Cursos / Charlas

​

- Módulo 1: Detección de Oportunidades y Tipologías de Soluciones IA Este módulo le permitirá identificar el potencial de la IA en su organización y comprender los diferentes tipos de soluciones disponibles.

1.1. Cómo Detectar Oportunidades de IA y Ciencia de Datos - Lo que aprenderá: A diagnosticar procesos, identificar tareas repetitivas y "puntos ciegos" donde la IA puede generar valor. Aprenderá a identificar "quick wins" (resultados rápidos) y casos de alto impacto. - En la práctica: Utilizaremos metodologías de mapeo de procesos (ej. diagramas de flujo de negocio) para analizar sus flujos de trabajo actuales. Realizaremos ejercicios guiados para identificar dónde la automatización inteligente o el análisis de datos pueden resolver problemas específicos y generar un retorno de inversión claro.

1.2. Tipologías de Soluciones - Diferenciaremos y aplicaremos los principales tipos de soluciones de IA. - Modelos predictivos: Como forecasting (predicción de ventas), scoring (puntuación de riesgo) y clasificación (categorización automática). - IA en el análisis de texto, imágenes y voz: Cómo la IA procesa datos no estructurados para extraer información valiosa. - Aplicaciones con modelos generativos: Para resúmenes, búsqueda semántica y "copilotos" que asisten en tareas creativas o de contenido. - Exploraremos demostraciones de modelos predictivos en plataformas de Machine Learning en la nube (ej. Azure Machine Learning Studio, Google Cloud AI Platform) para visualizar su funcionamiento. Interactuaremos con servicios de IA de visión y lenguaje (ej. AWS Rekognition para imágenes, Google Cloud Natural Language para texto) para ver el análisis de datos no estructurados. Probaremos LLM (ej. ChatGPT, Gemini) para generar resúmenes y contenido, entendiendo su funcionamiento.

- Módulo 2: Gestión de Proyectos de Datos e Integración de LLM Este módulo se enfoca en la ejecución efectiva de proyectos de IA y la integración estratégica de los Grandes Modelos de Lenguaje (LLM) en sus operaciones.

2.1. El Ciclo de Vida de un Proyecto de Datos - Veremos las fases clave de un proyecto de datos: definición del problema, recolección de datos, modelado, evaluación y puesta en marcha. Identificaremos los roles esenciales: analistas, científicos de datos, ingenieros de datos y Project Managers. - Analizaremos la arquitectura de una solución de datos típica, desde la ingesta de datos (ej. Apache Kafka, AWS Kinesis) hasta el almacenamiento (ej. data lakes en AWS S3, data warehouses en Google BigQuery) y el procesamiento. Discutiremos cómo se integran los roles y las herramientas en cada fase del proyecto.

2.2. LLM en Procesos de Negocio - Qué implica integrar un Gran Modelo de Lenguaje (LLM) en una operación existente. Estudiaremos casos de uso reales en atención al cliente, soporte interno y generación de documentación. - Analizaremos arquitecturas de despliegue de LLM, incluyendo opciones en la nube (ej. Azure OpenAI Service, Google Cloud Vertex AI). Veremos ejemplos simples pero funcionales de LLM instaladas y funcionales de manera local (ej. con Ollama o LM Studio), comprendiendo su instalación básica, el uso de recursos (CPU/GPU) y su configuración para casos de uso específicos.

- Módulo 3: Herramientas y Plataformas para la Implementación de IA Este módulo proporciona una visión general de las herramientas que facilitan la implementación de IA.

3.1. Herramientas y Plataformas - Lo que aprenderá: Una visión general de tecnologías como low-code/no-code (para construir soluciones sin programar desde cero), las APIs de IA (para integrar funcionalidades pre-construidas) y AutoML (automatización del desarrollo de modelos). - Realizaremos demostraciones de plataformas low-code/no-code (ej. Microsoft Power Apps, Google AppSheet) para construir flujos de trabajo simples. Exploraremos API playgrounds de servicios de IA en la nube (ej. OpenAI API, Anthropic Claude API) para entender cómo se consumen estas funcionalidades en sus sistemas