Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
1. Introducción a la ingeniería de IA
- ¿Qué es la ingeniería de IA?
- Diferencias entre IA, aprendizaje automático y aprendizaje profundo
- Ciclo de vida del desarrollo en ingeniería de IA
- Aplicaciones de la IA en diferentes sectores industriales
- Roles y responsabilidades de un ingeniero de IA
2. Fundamentos de la inteligencia artificial
- Conceptos básicos y terminología en el ámbito de la IA
- Aprendizaje supervisado, no supervisado y por refuerzo
- Redes neuronales y principios del aprendizaje profundo
- Introducción a la inteligencia artificial generativa y modelos fundacionales
- Ecosistemas y frameworks para el desarrollo de IA
3. Python para la ingeniería de IA
- Bibliotecas esenciales de Python para trabajar con IA
- Uso de NumPy, Pandas y Matplotlib
- Manipulación y visualización de datos
- Trabajo con cuadernos Jupyter Notebook
- Creación de código reutilizable en el ámbito de la IA
4. Preparación de datos para IA
- Recopilación y análisis preliminar de conjuntos de datos
- Limpieza y preprocesamiento de datos
- Ingeniería de características
- Escalamiento y normalización de variables numéricas
- División del conjunto de datos en partes de entrenamiento, validación y prueba
- Manejo de valores faltantes y valores atípicos
5. Fundamentos del aprendizaje automático
- Algoritmos de regresión para predecir valores continuos
- Algoritmos de clasificación para categorizar datos
- Técnicas de agrupamiento o clustering para organizar patrones
- Flujo de trabajo típico en el entrenamiento de modelos
- Métricas clave para evaluar el desempeño de los modelos
- Estrategias para evitar el sobreajuste y el subajuste
6. Construcción de modelos con TensorFlow y PyTorch
- Introducción general a TensorFlow
- Presentación básica de PyTorch como entorno alternativo
- Diseño e implementación de redes neuronales.
- Fase de entrenamiento y validación de modelos.
- Guardado y carga posterior de modelos ya entrenados.
- Comparativa entre ambos frameworks populares.
7. Fundamentos del procesamiento del lenguaje natural
- Preprocesamiento básico de texto como entrada cruda para modelos.
- Concepto y uso de embedding o representaciones vectoriales para palabras.
- Técnicas para la clasificación textual automática.
- Aplicación al análisis de sentimientos, es decir, determinar el tono emocional del texto.
- Introducción a las arquitecturas de modelos llamadas transformers.
- Ejemplos prácticos en el uso real de técnicas NLP.
8. Implementación de IA en proyectos de desarrollo software
- Integración sencilla de componentes basados en IA dentro de aplicaciones existentes.
- Llamadas a servicios especializados mediante API para obtener predicciones o clasificaciones.
- Diseño e implementación de aplicaciones propias que hagan uso de la capacidad cognitiva artificial.
- Herramientas software especialmente orientadas a apoyar el desarrollo con IA.
- Métodos recomendados para realizar pruebas exhaustivas en entornos habilitados por inteligencia artificial.
9. Buenas prácticas habituales en la ingeniería de IA
- Organización clara y racional del proyecto a nivel estructural.
- Aplicación sistemática del sistema Git para controlar versiones de código.
- Seguimiento preciso de distintos experimentos durante el desarrollo.
- Mantenimiento y trazabilidad a través de versionado específico de cada modelo elaborado.
- Cumplimiento estricto con estándares en documentación técnica.
- Garantía de reproducibilidad científica mediante procedimientos repetibles en proyectos IA.
10. Despliegue y puesta en producción de modelos inteligentes
- Técnica llamada serialización para preparar objetos complejos.
- Diseño e implementación de servicios de inferencia, encargados de dar resultados instantáneos.
- Creación y uso de APIs tipo REST aptas específicamente para gestionar solicitudes a modelos IA.
- Introducción al entorno Docker como alternativa potente para la distribución universal en servidores.
- Métodos recomendados para seguir de cerca el rendimiento operativo y corregir fallos.
- Gestión continua del mantenimiento, actualizaciones frecuentes y ajustes técnicos necesarios.
11. Ingeniería de datos aplicada a proyectos IA
- Diseño adecuado de cadenas lógicas encargadas de recopilar y transformar información.
- Conocimientos esenciales sobre los procesos genéricos ETL para facilitar el flujo de trabajo.
- Manejo flexible tanto de informaciones estructuradas como no estructuradas.
- Opciones disponibles en la elección de soportes físicos o virtuales donde se guardan las bases de datos.
- Implementación sencilla y constante de normas de calidad para asegurar su integridad.
- Metodologías óptimas para preparar ficheros listos para producción industrial.
12. Desarrollo responsable y ético de sistemas IA
- Estudio riguroso de distintos prejuicios inducidos y formas posibles de generar parcialidad.
- Prácticas que facilitan comprender y justificar los razonamientos lógicos detrás del funcionamiento.
- Medios prácticos para resguardar la privacidad personal y la seguridad relativa a datos confidenciales.
- Requisitos indispensables referidos a garantizar la robustez frente ataques externos hostiles.
- Estrategias de conducta responsable desde el punto de vista humano y social.
- Conocimiento general sobre leyes, normativas legales y gobernanza corporativa relacionadas con los proyectos tecnológicos avanzados.
13. Gestión completa de iniciativas tecnológicas basadas en IA
- Ciclo de vida genérico y estructurado desde el comienzo hasta la conclusión definitiva.
- Métodos Ágiles como pilar básico para gestionar cambios rápidos en las condiciones ambientales.
- Coordinación armónica entre expertos técnicos y responsables de la toma de decisiones comercial.
- Técnica estándar usada para calcular aproximadamente el esfuerzo necesario y los recursos a movilizar.
- Metodologías claras enfocadas en identificar e implementar contramedidas ante posibles obstáculos futuros.
- Criterios de éxito mensurables basados tanto en aspectos cuantitativos como cualitativos.
14. Taller práctico y visiones futuras del sector IA
- Configuración paulatina de un ecosistema completo apto para desarrollo iterativo.
- Elaboración integral de proyectos que contemplen todas etapas de los algoritmos.
- Experimentación y validación continua usando el entorno TensorFlow o su homólogo PyTorch.
- Diseño simplificado de soluciones comerciales realmente funcionales basadas en modelos recién generados.
- Tendencias emergentes más relevantes que marcan la evolución global del ámbito.
- Desarrollos innovadores tales como los modelos Generativos y el crecimiento de plataformas grandes como LLM’s.
- Evolución progresiva hacia automatizaciones profundas mediante técnicas MLOps.
- Perspectivas actuales y sugerencias concretas para la mejora continua del profesional.
- Cierre definitivo incluyendo sesión preguntas-respuestas orientadas a planes de actuación futuros.
Requerimientos
- Conocimientos básicos de programación
- Experiencia previa con el lenguaje Python
- Familiaridad con estadística y álgebra lineal básicas
Público objetivo
- Ingenieros de IA
- Desarrolladores de software
- Analistas de datos
14 Horas
Formación Corporativa a Medida
Soluciones de formación diseñadas exclusivamente para empresas.
- Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
- Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
- Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Precio por grupo privado (formación online) desde 2900 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
Reseñas (2)
La amplia selección de herramientas presentadas
Miruna Buzduga - Aeronamic Eastern Europe
Curso - AI Enablement Training for Engineers
Traducción Automática
Formación paso a paso con muchos ejercicios. Fue como un taller y estoy muy contento con eso.
Ireneusz - Inter Cars S.A.
Curso - Intelligent Applications Fundamentals
Traducción Automática
