Diplomado en Inteligencia Artificial

En este curso intensivo, explorarás el fascinante mundo del Prompt Engineering, una disciplina clave para mejorar la interacción con modelos de lenguaje como ChatGPT. Aprenderás a diseñar y optimizar prompts para obtener respuestas precisas, relevantes y creativas. Este curso combina teoría y práctica para que puedas aplicar tus conocimientos en contextos reales, optimizando tareas complejas y generando contenido de alta calidad.

Contenidos del Curso

• Introducción al Prompt Engineering
  • • Definición y fundamentos.
    • Evolución histórica y relevancia actual.
    • Cómo funcionan los prompts en los modelos de lenguaje.

• Tipos de Prompts

• • • Prompts abiertos (Open-ended) y cerrados (Closed-ended).
    • Prompts creativos y analíticos.
    • Prompts basados en roles y específicos de formato.
    • Prompts de refinamiento y exploratorios.

• Prompts Avanzados

• • • Diseño y uso de prompts condicionales.
    • Cadenas de prompts y descomposición de tareas complejas.
    • Optimización de prompts para tareas multietapas.

• Contextualización y Roles Avanzados
  • • Técnicas para proporcionar contexto y mejorar precisión.
    • Uso de roles avanzados para respuestas especializadas.
    • Combinación de técnicas para maximizar la efectividad.

• Eficiencia y Ética de los Prompts

• • • Criterios de claridad, precisión y relevancia.
    • Análisis de respuestas y métricas para evaluar calidad.
    • Principios éticos en la formulación de prompts.

Objetivo del Curso: Capacitar a los alumnos para diseñar prompts efectivos y optimizados que mejoren la interacción con modelos de lenguaje, ajustándose a las necesidades específicas de diversas aplicaciones.

Bienvenido al Módulo IV-PROCESAMIENTO DE LENGUAJE NATURAL (NLP).

Este curso ofrece una introducción a los conceptos, técnicas y aplicaciones del Procesamiento de Lenguaje Natural (NLP), junto con una comprensión general de los modelos de lenguaje modernos como GPT-3 y GPT-4.

El objetivo principal es proporcionar las herramientas teóricas y prácticas necesarias para desarrollar soluciones basadas en NLP y familiarizarlos con la estructura y el entrenamiento de modelos de lenguaje con el desarrollo de un proyecto integrador.

Contendio del Módulo:

1. IA & NLP-Historia, evolución y aplicaciones

1. Conceptos básicos de Inteligencia Artificial

2. Historia y evolución del NLP

3. Aplicaciones del NLP

2. Modelos de Lenguaje 

1. Qué son los modelos de lenguaje

2. Ejemplos de modelos de lenguaje (GPT-3, GPT-4, etc.)

3. Cómo funcionan los modelos de lenguaje

3. Transformador generativo pre entrenado -GPT 

1. Arquitectura de GPT

2. Estructura y componentes de GPT

3. Conceptos de autoatención y transformadores

4. Entrenamiento y ajuste fino de modelos GPT

Proyecto Integrador:

• Etapa 1. Preprocesamiento y preparación de datos: Manejo de expresiones regulares, tokenización y limpieza de texto.
• Etapa 2. Creación de un Modelo de Reconocimiento de Entidades con Nombre (NER) capaz de identificar y clasificar entidades en texto.
• Etapa 3. Desarrollo de un modelo para generar resúmenes automáticos de texto, explorando BERT.

Este curso combina teoría con proyectos prácticos para que los estudiantes adquieran habilidades en el uso y ajuste de modelos avanzados de NLP.

Este módulo está diseñado para profundizar en técnicas avanzadas de deep learning y aplicaciones prácticas. Exploraremos arquitecturas avanzadas de redes neuronales, incluyendo MobileNets, ResNets, y EfficientNet, así como técnicas de regularización y optimización para mejorar el rendimiento de los modelos de aprendizaje.