[IAT-110] Python avanzado aplicado a la IA Generativa

Este curso profundiza 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.

Duración:                    20 horas

Perfil:                           Avanzado

Dirigido a

Esta acción formativa está destinada a programadores y analistas que vayan a utilizar el lenguaje de programación Python como herramienta principal de desarrollo, optimización e integración de sistemas inteligentes.

Requisitos previos 

Los alumnos necesitarán tener conocimientos sólidos y experiencia previa de programación con Python.

Objetivos

• Crear aplicaciones usando librerías como NumPy/Pandas

• Entender y dominar el procesamiento paralelo.

• Descubrir el camino evolutivo que conecta las redes neuronales y convolucionales con los grandes modelos de lenguaje actuales (LLMs) y desarrollar criterios técnicos para la selección de modelos.

• Aprende a conectar y desplegar la API de OpenAI para construir chatbots basados en LLM.

Contenido

1. Principales estructuras de datos con Python (repaso)

2. Librería de cálculo numérico NumPy

   1. Fundamentos y vectorización.

   2. Estructuras avanzadas y direccionamiento (índices, formas).

   3. Eficiencia en memoria (copias y vistas).

   4. Caso práctico: Convolución de matrices.

3. Librería Pandas para manipulación avanzada de datos

   1. Estructuras clave: series y dataframes.

   2. Selección, filtrado de datos y máscaras booleanas.

   3. Limpieza de datos.

   4. Correlación de datos.

   5. Agrupaciones (groupby) y agregaciones masivas.

4. Visualización de datos con Matplotlib

   1. Fundamentos de la arquitectura de Matplotlib (figuras y gráficos).

   2. Tipos de representaciones e integración con los plots de Pandas.

5. Iteradores y generadores

6. Concurrencia y paralelismo: Gestión de tareas con threads, process y async/await

7. IA generativa con Python desde cero

   1. Perceptrón

   2. Redes neuronales multicapa y convolucionales con Tensorflow

   3. Fundamentos teóricos de NLP y embeddings

   4. Interacción con LLMs locales de peso abiertos (conceptos como: ventana de contexto, temperatura, user prompt, system prompt)

   5. Desarrollo práctico de Chatbots y gestión del contexto de conversación.

Documentación Recomendada

Programación de Inteligencia Artificial
Carlos Mario Ramírez Gil
May 2023 | 324 pages

https://www.ra-ma.es/libro/programacion-de-inteligencia-artificial-curso-practico_147608/