[IAT] Inteligencia Artificial
El área de [IAT] Inteligencia Artificial está diseñada para proporcionar una formación completa y estructurada en tecnologías de IA, desde herramientas accesibles hasta técnicas avanzadas de desarrollo e implementación. Los cursos están dirigidos a profesionales que buscan aplicar IA en diferentes entornos, mejorar la automatización de tareas y desarrollar soluciones innovadoras basadas en modelos de aprendizaje automático y redes neuronales.
Curso | Duración |
|---|---|
[IAT-010] ChatGPTAbarca desde una introducción a ChatGPT hasta técnicas avanzadas de ingeniería de prompts. Explora formatos de entrada, comandos básicos y avanzados, personalización de respuestas, y creación de GPTs personalizados, permitiendo adaptar el modelo a diferentes necesidades y públicos con enfoques efectivos y creativos. | 6 horas |
[IAT-020] Microsoft Copilot 365Enseña a usar esta herramienta en aplicaciones clave como Word, PowerPoint, Excel, Outlook y Teams. Incluye generación de contenido, análisis de datos, creación de presentaciones, gestión de correos y personalización de Copilot para optimizar tareas y mejorar la productividad. | 6 horas |
[IAT-030] Herramientas IA (Notion, Gamma, DALL-E y Runway)Ofrece una visión práctica de herramientas como Notion, Gamma, DALL-E y Runway, enfocándose en generación de contenido, presentaciones, imágenes y videos mediante prompts personalizados, optimizando tareas y creatividad para diversos casos de uso profesionales. | 4 horas |
[IAG-040] Ingeniería de Prompts en IA GenerativaAborda la creación y optimización de prompts, técnicas avanzadas como RAG y finetuning, además de herramientas y mejores prácticas para desarrollar aplicaciones eficaces y éticas. Incluye aspectos clave como encadenamiento de modelos y estrategias de división de datos, ofreciendo aplicaciones prácticas y casos de estudio. | 16 horas |
[IAT-050] Redes NeuronalesAbarca desde conceptos básicos hasta la implementación avanzada de modelos en entornos BigQuery y TensorFlow. Incluye diferencias clave entre Machine Learning y Deep Learning, tipos de redes neuronales, entrenamiento y evaluación de modelos, así como el uso de librerías de Deep Learning en Python para clasificación y análisis. | 20 horas |
[IAG-060] Técnicas de Machine Learning y Deep Learning en IAOfrece una visión completa desde sus fundamentos históricos hasta aplicaciones avanzadas. Aborda librerías clave, técnicas de clasificación y regresión, redes neuronales, y tareas como clustering. Incluye evaluación de modelos, comparación de enfoques y análisis de implicaciones sociales, ideal para construir bases sólidas en IA y ML. | 20 horas |
[IAT-070] Introducción a la IA Generativa (usuario y técnico)Introduce y explora la IA generativa desde una perspectiva práctica y técnica. Abarca fundamentos, evolución histórica, modelos clave y conceptos esenciales. Incluye LLM, sus capacidades y limitaciones, así como ingeniería de prompts. Finaliza con aplicaciones reales y herramientas accesibles para crear contenido, automatizar tareas y mejorar la productividad. | 16 horas |
[IAT-080] Fundamentos de IA Generativa, Modelos y AplicacionesOfrece una introducción a sus fundamentos, modelos clave y aplicaciones prácticas. Se aprenderá a usar herramientas como ChatGPT, Copilot y DALL·E para generación de contenido, desarrollo de software y automatización. Además, incluye ética, regulación y tendencias futuras en IA. | 20 horas |
[IAT-090] Control y Gestión de Agentes de IAProporciona una visión práctica sobre diseño, planificación, control y despliegue de agentes inteligentes. Aborda arquitecturas, prompting, toma de decisiones, integración con herramientas y APIs, seguridad, gobernanza, monitorización y operación en producción, preparando al alumno para desarrollar soluciones de IA robustas y escalables. | 20 horas |
[IAT-100] Desarrollo de Aplicaciones con LangChainEnseña a desarrollar aplicaciones con IA generativa usando Python, LangChain y LangSmith. Cubre desde fundamentos de programación y concurrencia hasta la integración de modelos, bases de datos vectoriales y optimización con RAGs. Incluye testing, despliegue y monitoreo para crear soluciones eficientes y escalables. | 20 horas |
[IAT-110] Python avanzado aplicado a la IA GenerativaProfundiza en el uso de NumPy, Pandas y Matplotlib para el análisis y procesamiento eficiente de datos, abordando además concurrencia y paralelismo. Incluye fundamentos de aprendizaje automático, redes neuronales, NLP, embeddings e interacción con modelos generativos, culminando con el desarrollo práctico de chatbots basados en LLMs. | 20 horas |
[IAT-120] Integración de LLMs de pesos abiertos en aplicaciones on-premisesTrata sobre integración de LLMs open source en entornos on-premises. Aborda conceptos clave, comparación de modelos, despliegue en CPU/GPU, uso vía APIs y casos reales. Incluye seguridad, control de respuestas y evaluación de herramientas como LangChain o LlamaIndex para construir aplicaciones de IA eficientes y privadas. | 15 horas |
[IAT-130] Integración RAGs y Agentes de IA en aplicaciones on-premisesEnseña a integrar RAGs y agentes de IA en aplicaciones on-premises. Cubre desde la ingesta y procesamiento de datos con webscraping, limpieza y vectorización, hasta la construcción de pipelines RAG con LLM y chatbots internos. También incluye la creación de agentes para automatizar respuestas en Redmine y estrategias de escalado multiusuario. | 15 horas |
[IAT-140] Herramientas de IA Generativa para DesarrolladoresIntroduce a la IA generativa aplicada al desarrollo, cubriendo fundamentos, modelos como LLM y técnicas clave como prompt engineering. Explora herramientas como GitHub Copilot y sistemas de documentación automática, junto a sus limitaciones, beneficios y regulación, preparando a desarrolladores para integrar IA de forma efectiva en sus proyectos. | 16 horas |
[IAT-150] Integración de IA en el Proceso de Desarrollo de SoftwareEnseña a utilizar herramientas de IA como Github Copilot en VS Code, desde la escritura de prompts hasta la gestión de contexto y modos de trabajo (Chat, Agente, Plan). Incluye generación de pruebas, documentación, revisión de código y creación de reglas e instrucciones personalizadas para optimizar el desarrollo asistido por IA. | 16 horas |
[IAT-160] Claude Code para desarrollo de softwareProporciona una visión práctica de cómo integrar la inteligencia artificial en el desarrollo de software. Los participantes aprenderán técnicas avanzadas de prompting, gestión de contexto, uso de agentes, skills, MCPs y hooks, así como la configuración y automatización de entornos de trabajo para aumentar la productividad, calidad y eficiencia del ciclo de desarrollo. | 12 horas |
[IAT-170] Inteligencia Artificial Aplicada a Proyectos JavaEnseña cómo aplicar Inteligencia Artificial en proyectos Java, utilizando herramientas como Spring AI, GitHub Copilot y OpenCV. Se abordan Machine Learning, Deep Learning con DL4J e integración de APIs en la nube (AWS, OpenAI) para crear aplicaciones inteligentes con visión artificial, generación de texto y automatización avanzada. | 16 horas |
[IAT-180] IA Aplicada a Entornos de Pruebas y SoporteIntroduce el uso de IA en pruebas y soporte, abordando análisis de logs, detección de errores y automatización de reportes. Los participantes aprenderán a implementar Machine Learning, NLP y chatbots para optimizar procesos, mejorando la eficiencia y precisión en la identificación y solución de problemas técnicos. | 16 horas |
[IAT-190] IA en AWSOfrece una introducción práctica a la inteligencia artificial, aprendizaje automático e IA generativa. Explora los servicios de AWS como Rekognition, Comprehend, Textract, Polly, Bedrock y SageMaker, incluyendo seguridad, gestión de costes, monitorización y buenas prácticas, con ejemplos y ejercicios prácticos. | 15 horas |
[IAT-200] OWASP top 10 for LLMsAnaliza las principales vulnerabilidades en modelos de lenguaje. Cubre inyección de prompts, filtración de información sensible, cadena de suministro, envenenamiento de datos, manipulación de salidas, desinformación y consumo excesivo. Incluye ejemplos reales, escenarios de ataque y estrategias de prevención y mitigación. | 16 horas |