DIPLOMADO EN IA GENERATIVA Y MODELOS DE LENGUAJE


La Inteligencia Artificial (IA) está en el centro de la revolución tecnológica que está transformando el mundo tal como lo conocemos. Desde la medicina y la agricultura hasta el sector financiero, la IA está impactando profundamente diversas áreas de la industria. La llegada de modelos generativos de lenguaje, imágenes y video cada vez más sofisticados  está acelerando esta transformación, ofreciendo nuevas posibilidades que antes parecían lejanas.

El Diplomado en IA Generativa y Modelos de Lenguaje está diseñado para entender a fondo estas tecnologías de vanguardia. A través de un enfoque teórico y práctico, aprenderás a comprender, manipular y aplicar los modelos generativos de IA, así como comprender sus ventajas, limitaciones y desafíos futuros. Nuestro programa, que incluye clases y talleres prácticos en formato streaming, te proporcionará las habilidades necesarias para dominar estas herramientas y utilizarlas eficazmente en aplicaciones reales.

DESCUENTOS


Consulta por descuentos a funcionarios públicos y otras audiencias.

MODALIDAD


Online

El diplomado tiene una duración de 135 horas pedagógicas. Las clases se realizarán los días lunes y miércoles desde las 18:30 pm hasta las 21:30 pm.

Cada clase del programa tiene una duración de 3 horas y aborda en profundidad aspectos de la inteligencia artificial generativa y el desarrollo de modelos de lenguaje. El contenido combina tanto elementos teóricos como prácticos, ofreciendo una formación integral en estos campos emergentes.

¿QUÉ COMPETENCIAS Y HERRAMIENTAS
TENDRÁS AL FINALIZAR ESTE DIPLOMADO?


El egresado del Diplomado en Modelos Generativos de IA será un profesional con una sólida comprensión de los modelos generativos y su aplicación en diversos campos. Estará capacitado para implementar y ajustar estos modelos para resolver problemas prácticos en su área de especialización. Además, tendrá una conciencia crítica sobre las implicaciones éticas y sociales del uso de la IA, promoviendo prácticas responsables y sostenibles. El egresado será capaz de liderar proyectos innovadores utilizando modelos generativos y contribuir al desarrollo y adopción de tecnologías de IA en su entorno profesional.

Nuestro objetivo es actualizar y profundizar los conocimientos del ecosistema chileno en el campo de la IA, fomentando su uso efectivo y ético.

Los egresados serán profesionales competentes, capaces de utilizar esta tecnología para resolver problemas en sus áreas de especialización y contribuir al avance de la investigación científica.

Competencias técnicas
  • Dominio de Modelos Generativos: Capacidad para comprender, manipular y aplicar modelos generativos de IA como ChatGPT, Transformers, y GANs.
  • Implementación Práctica: Habilidad para implementar estos modelos en plataformas de desarrollo como TensorFlow, PyTorch y Scikit-Learn.
  • Integración de Modelos Multimodales: Competencia en el uso de modelos multimodales que combinan texto, imagen, audio y video para aplicaciones avanzadas.
Competencias analíticas
  • Análisis de datos: Capacidad para gestionar y analizar grandes volúmenes de datos, utilizando técnicas avanzadas de IA.
  • Optimización de modelos: Habilidad para optimizar modelos generativos, ajustando parámetros y utilizando técnicas de refinamiento y validación.
Competencias éticas y sociales:
  • Conciencia ética: Comprensión profunda de las implicaciones éticas y sociales del uso de la IA, incluyendo la gestión de sesgos y la promoción de la equidad.
  • Responsabilidad social: Habilidad para aplicar principios de responsabilidad y sostenibilidad en proyectos de IA, asegurando un impacto positivo en la sociedad.
Requisitos académicos:
  • Licenciatura en ciencias de la ingeniería o título de ingeniería informática o áreas afines a las tecnologías de información. Títulos o grados que provengan del extranjero deben estar debidamente apostillados.
  • Postulaciones de profesionales con otro grado académico o título profesional universitario, y/o con experiencia laboral en área afines a las tecnologías de la información serán consideradas caso a caso según evaluación de antecedentes.
  • Conocimientos básicos de programación y, de ser necesario, disponibilidad para revisar un mini-curso online de nivelación en técnicas elementales de programación utilizando el lenguaje Python.

CONTENIDOS


El propósito principal del seminario introductorio es presentar la lnteligencia Artificial como una disciplina académica, con un énfasis particular en el Aprendizaje de máquina o automático. Este seminario busca proporcionar una comprensión sólida de cómo el Aprendizaje de máquina o automático aborda y resuelve problemas inherentes a la lnteligencia Artificial. Al final de este seminario, los/las estudiantes deben tener una comprensión clara de los principios fundamentales del aprendizaje de máquina o automático y cómo estos se aplican en el contexto más amplio de la lnteligencia Artificial.

  • Identifica las problemáticas estudiadas por la inteligencia artificial
  • Comprende a cabalidad el enfoque del aprendizaje de máquina o automático.

Este módulo está diseñado para introducir los conceptos fundamentales de la lnteligencia Artificial (lA). Su objetivo principal es proporcionar una comprensión sólida de los principios básicos de la lA, así como de los conceptos aplicados en diversos modelos de lA. Además, los/as estudiantes explorarán los entornos de trabajo más comúnmente utilizados para la implementación de estos modelos. Al final del módulo, se espera que los/as estudiantes demuestren un conocimiento integral de la lA junto con las habilidades necesarias para aplicar estos conceptos en la práctica.

  1.  Explicar los principios básicos de la inteligencia Artificial y cómo estos se aplican en diferentes contextos.
  2. Identificar y aplicar los conceptos de lA relevantes a una variedad de modelos de lA, demostrando una comprensión de cómo estos conceptos influyen en el rendimiento y la funcionalidad del modelo.
  3.  Familiarizarse con los entornos de trabajo de lA para la implementación de modelos de lA
  4. Seleccionar y utilizar eficazmente el entorno más adecuado para una tarea dada.

El propósito de este módulo es proporcionar una comprensión profunda de los desafíos y soluciones asociados con el procesamiento de texto e imágenes en lnteligencia Artificial. A través de este módulo, los(las) estudiantes explorarán los problemas comunes en el procesamiento de texto e imágenes, como la ambigüedad del lenguaje natural, la variabilidad en la calidad de las imágenes y la necesidad de grandes cantidades de datos para el entrenamiento de modelos. Además, se presentarán algunos de los modelos actuales para procesar este tipo de datos, permitiendo a los/as estudiantes familiarizarse con las técnicas y herramientas más recientes en el campo. Al final del módulo, deberían ser capaces de identificar y aplicar soluciones adecuadas a los problemas de procesamiento de texto e imágenes en lA, y estar al tanto de las tendencias actuales en este campo en constante evolución.

  • Comprender los desafíos técnicos asociados con el procesamiento de texto e imágenes en inteligencia artificial, incluyendo la ambigüedad del lenguaje natural y la variabilidad en la calidad de las imágenes.
  • ldentificar y aplicar soluciones técnicas a los problemas de procesamiento de texto e imágenes en IA.
  • Familiarizarse con los modelos actuales utilizados para procesar texto e imágenes en lA.
  • Evaluar la eficacia de diferentes modelos de lA en el procesamiento de texto e imágenes.
  • Mantenerse al día con las tendencias actuales en el campo del procesamiento de texto e imágenes en lA.
  • Aplicar los conocimientos adquiridos en proyectos prácticos o situaciones del mundo real relacionadas con el procesamiento de texto e imágenes IA.

Este módulo proporciona una exploración exhaustiva de los desafíos y soluciones en el procesamiento simultáneo de datos multimodales en lnteligencia Artificial. Los(las) estudiantes se familiarizarán con los problemas inherentes al manejo de datos de múltiples modalidades y aprenderán cómo los modelos de lA actuales, incluyendo los modelos multimodales, de difusión y generativos, abordan estos desafíos. Además, se presentarán las aplicaciones prácticas de estos modelos en el procesamiento de datos multimodales, proporcionando a los estudiantes una comprensión sólida de cómo se pueden aplicar estas técnicas en situaciones del mundo real. El módulo también incluirá discusiones sobre las tendencias emergentes y las direcciones futuras en el procesamiento de datos multimodales en lA, preparando a los/as estudiantes para la evolución continua en este campo dinámico.

  • Comprender los desafíos asociados con el procesamiento simultáneo de datos multimodales en lnteligencia Artificial.
  • ldentificar y describir los modelos de lA actuales, incluyendo los modelos multimodales, de difusión y generativos, y cómo se utilizan para abordar los desafíos del procesamiento de datos multimodales.
  • Aplicar los conocimientos adquiridos sobre estos modelos en situaciones prácticas, demostrando una comprensión sólida de su funcionamiento y aplicabilidad.
  • Participar en discusiones sobre las tendencias emergentes y las direcciones futuras en el procesamiento de datos multimodales en lA, mostrando una comprensión de la evolución continua en este campo dinámico.
  • Evaluar las implicaciones éticas y sociales del uso de estos modelos en el procesamiento de datos multimodales.

El propósito de este módulo es proporcionar a los/as estudiantes una comprensión profunda y crítica de los modelos generativos y su aplicación profunda y crítica de los modelos generativos y su aplicación en diversos contextos laborales y sociales. Los/as estudiantes analizarán y discutirán los desafíos éticos, técnicos y prácticos asociados con el uso de éstos modelos. Incluyendo una privacidad de los datos, la sesgo en los modelos y la interpretabilidad de los resultados. Al final del módulo, estarán equipos/as para tomar decisiones informadas sobre la implementación de modelos generativos en sus propios contextos laborales y de modelos generativos en sus propios contextos laborales y comprenderán el impacto potencial de estos modelos en la sociedad en general. 

  • Explicar los fundamentos de los modelos generativos, incluyendo cómo se entrenan y cómo generan datos. 
  • Aplicar modelos generativos a problemas del mundo real en su campo generativo a problemas del mundo real en su campo de trabajo y evaluar su eficacia. 
  • Discutir los desafíos éticos y técnicos asociados con el uso de modelos generativos, como la privacidad de los datos, el sesgo en los modelos y la interpretabilidad de los resultados. 
  • Analizar el impacto potencial de los modelos generativos en la sociedad, y discutir cómo se pueden mitigar los riesgos asociados. 
  • Tomar decisiones informadas sobre cuándo y cómo implementar modelos generativos en sus propios contextos laborales.

El propósito principal de este módulo, es proporcionar una comprensión profunda y aplicada de los conceptos avanzados que subyacen en los modelos generativos de inteligencia artificial. Está diseñado para equipar a los/as estudiantes con las habilidades necesarias para aprovechar al máximo estos modelos, permitiéndoles no solo implementarlos eficazmente, sino también optimizar su rendimiento. Además, se realizará un análisis exhaustivo de las limitaciones y vulnerabilidades inherentes a los Modelos de Lenguaje Grandes (LLMs), lo que permitirá a los/as estudiantes anticipar y mitigar posibles problemas en su uso. En última instancia, este módulo busca empoderarlos/as para que puedan navegar con confianza y competencia en el campo en constante evolución de la lA generativa.

  • Comprender y aplicar conceptos avanzados en el campo de los modelos de lA generativa.
  • Optimizar el rendimiento de los modelos de lA generativa, permitiéndoles implementar estos modelos de manera eficiente en diversos contextos.
  • Analizar las limitaciones y vulnerabilidades inherentes a los LLMs, lo que les permitirá anticipar y mitigar posibles problemas en su uso.
  • Navegar con confianza y competencia en el campo en constante evolución de la lA generativa.

DOCENTES


FELIPE URRUTIA

FELIPE URRUTIA


Licenciado en Ciencias de la Ingeniería, mención Matemáticas, alumno de doble titulación en Ingeniería Civil Matemática y Magister en Ciencias de la Computación, Universidad de Chile. Investigador asistente en Centro de Investigación Avanzada en Educación. Anteriormente se desempeñó como investigador asistente en Center of Research in Learning and Teaching, University of Jyväskylä, Finland.

BEGOÑA PENDAS

BEGOÑA PENDAS


Estudiante de último año de ingeniería civil en computación, major en ingeniería de software, minor de profundidad en data science y analytics de la Pontificia Universidad Católica de Chile. Su enfoque se centra en proyectos de procesamiento de lenguaje natural (como el proyecto Cenia de traductor español-mapudungun, entre otros), visión por computador y sus diversas aplicaciones.

FELIPE TORRES

FELIPE TORRES


Ingeniero en informática en la Universidad Tecnológica Metropolitana. Es el creador de Fiona, una robot conversacional, y desde que comenzó a trabajar en Cenia ha participado en la creación de sistemas de detección de anomalías en imágenes, y en sistemas de chatbots usando GPT para la verbosidad de los resultados.

TOMÁS GÓMEZ

TOMÁS GÓMEZ


Ingeniero civil matemático, con experiencia trabajando en procesamiento de lenguaje natural, machine learning y data science en general. Actualmente forma parte del equipo de transferencia tecnológica de Cenia, desarrollando proyectos que acerquen la inteligencia artificial a la industria chilena.

CRISTINA FLORES

CRISTINA FLORES


Socióloga, especializada en metodologías de investigación cualitativas y cuantitativas. Tiene experiencia en estudios de opinión pública, diseño y ejecución de proyectos sociales. Asesora en relaciones comunitarias y herramientas de gestión social. Actualmente se desempeña como gestora de incidencia pública en Cenia.

NOEMÍ CROSBY

NOEMÍ CROSBY


Licenciada en ingeniería civil con mayor en robótica y minor en programación, titulada en ingeniería civil en computación, ambos en la Pontificia Universidad Católica de Chile. Realizó sus prácticas laborales en la startup Zippedi y Cienart Studios. Ha publicado videojuegos en itch.io como parte de Women Game Jam.

ALEXANDRA GARCÍA

ALEXANDRA GARCÍA


Bioquímica, magíster y doctora en neurociencias de la Pontificia Universidad Católica de Chile. Tiene un bachillerato en ciencias naturales y exactas de la Universidad de Chile. Tiene un especial interés por la ciencia computacional, y actualmente se encuentra realizando su postdoctorado en Cenia.

GERMÁN PIZARRO

GERMÁN PIZARRO


Ingeniero civil electricista y magíster en ingeniería eléctrica de la Pontificia Universidad Católica de Chile. Su enfoque se centra en continuar aprendiendo y colaborando en investigaciones que contribuyan a la creación de un futuro más sostenible y tecnológicamente avanzada. 

ÁLVARO SOTO

ÁLVARO SOTO


Director de Cenia, co-founder  de la startup Zippedi y profesor asociado del Departamento de Ciencias de la Computación de la Pontificia Universidad Católica de Chile. Es Dr. en ciencias de la computación de la Universidad Carnegie Mellon. Especialista en aprendizaje de máquina, robótica cognitiva, reconocimiento visual y big data. 

RODRIGO DURÁN

RODRIGO DURÁN


Ingeniero comercial, Mcs. en economía y políticas públicas de la Universidad Adolfo Ibáñez. Anteriormente se desempeñó como jefe de gabinete de la primera Subsecretaría de Ciencia de Chile. Actualmente asume el cargo de Gerente de Cenia.

CARLOS ASPILLAGA

CARLOS ASPILLAGA


Ingeniero civil y candidato a Ph.D. de la Pontificia Universidad Católica de Chile. Especialista en Deep Learning, natural language processing (NLP), large language models, machine. Actualmente trabaja en un traductor pionero en el mundo con soporte para idioma Rapa Nui y Mapuzungun.

CRISTIÁN BUC

CRISTIÁN BUC


Doctorado obtenido en la Université Libre de Bruxelles, seguido por dos posdoctorados realizados en Ghent University y Brown University. Su trabajo se encuentra en la intersección entre la inteligencia artificial y la neurociencia, y tiene como objetivo desarrollar redes neuronales artificiales inspiradas en funciones y mecanismos. Especialista en neurociencia cognitiva computacional cerebrales.

FRANCESCA LUCCHINI

FRANCESCA LUCCHINI


Ingeniera civil en ciencias de la computación de la Pontificia Universidad Católica de Chile, magíster en ciencias de la ingeniería de la misma cada de estudios. Su enfoque se centra en redes de grafos y machine learning aplicado a ciudades. Actualmente se desempeña como Tech Lead del equipo de transferencia tecnológica de Cenia.

JAVIER ROJAS

JAVIER ROJAS


Ingeniero civil en informática, magíster en informática de la Universidad Austral de Chile. Tiene más de 2 años de experiencia en el campo de la inteligencia artificial, abarcando desde el entrenamiento de modelos del estado del arte hasta el despliegue automatizado de los mismos en la nube. Su enfoque principal se centra en proyectos de visión computacional.

CRISTIÁN IRRIBARRA

CRISTIÁN IRRIBARRA


Astrónomo de la Pontificia Universidad Católica de Chile, especializado en computación e instrumentación para radioastronomía. Tiene experiencia en procesamiento de imágenes, modelos de detección visual y modelos de predicción numérica. Está interesado en proyectos de impacto ambiental y análisis científico.

JUAN IGNACIO STARK

JUAN IGNACIO STARK


Ingeniero civil industrial con experiencia en consultoría en grandes organizaciones. Ha participado en proyectos que abarcan diversas industrias, como banca, minería, energía, retail, agro, entre otras. Su experiencia se extiende desde proyectos tradicionales hasta iniciativas más innovadoras y disruptivas.

SEBASTIÁN CIFUENTES

SEBASTIÁN CIFUENTES


Ingeniero civil en computación de la Universidad de Chile, con trayectoria en desarrollo de software en diversos escenarios. Su experiencia abarca desde proyectos en entornos de investigación y desarrollo (I+D) hasta aplicaciones en la industria. Actualmente se desempeña como ingeniero de aprendizaje automático, especializándose en el área de modelos de lenguaje.

SEBASTIÁN DONOSO

SEBASTIÁN DONOSO


Ingeniero civil en computación de la Universidad de Chile. Su experiencia abarca el desarrollo de software, especializándose en modelos de aprendizaje automático con enfoque en el procesamiento del lenguaje natural (NLP). Actualmente su labor se centra en la utilización y aplicación de modelos de lenguaje de gran escala.