DIPLOMADO EN MODELOS GENERATIVOS DE IA
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 Modelos Generativos de IA 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.
FECHAS
MODALIDAD
Online
Duración
El diplomado tiene una duración de 138 horas cronológicas directas, más 15 horas de diseño de proyectos.
Las clases se realizarán los días lunes y miércoles desde las 18:30 hasta las 21:45 hrs, a partir del 05 de octubre.
Estructura
El programa se organiza en un Seminario Inicial, cuatro cursos con foco práctico y un Seminario Final.
Al final de cada curso se dicta una sesión de proyectos en formato taller, enfocada en la gestión práctica de proyectos de IA.
¿QUÉ COMPETENCIAS Y HERRAMIENTAS
TENDRÁS AL FINALIZAR ESTE DIPLOMADO?
Perfil del egresado
El egresado dominará los modelos generativos de Inteligencia Artificial y su aplicación práctica en su área profesional.
Será capaz de implementar, ajustar y evaluar críticamente estos modelos con criterio técnico y ético, gestionando sesgos y liderando proyectos innovadores de IA en su entorno laboral y de investigación.
Propósito formativo
El objetivo es actualizar y profundizar los conocimientos del ecosistema 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.
Al finalizar el diplomado, los egresados obtendrán las siguientes competencias y herramientas:
| Competencias técnicas |
|
| Competencias analíticas |
|
| Competencias éticas y sociales: |
|
| Requisitos académicos: |
|
CONTENIDOS
Objetivo
Introducción al aprendizaje de máquina e Inteligencia Artificial. Presentación de las arquitecturas y frameworks fundamentales.
Temas principales
- Aprendizaje de máquina
- Redes neuronales
- Paradigmas de entrenamiento
- Framework pytorch
- Módulo 1 de proyectos
Objetivos:
- Dominar los elementos fundamentales del aprendizaje profundo y su aplicación al ámbito del lenguaje y la visión.
- Comprender los flujos de preparación, entrenamiento, refinamiento y despliegue.
- Enfoque técnico y práctico.
Temas principales:
- Aprendizaje profundo y arquitecturas fundamentales
- Introducción a procesamiento de lenguaje Natural y Visión
- Entrenamiento, refinamiento, visualización y despliegue
- Infraestructura de hardware
- Etiquetado y gestión de datos
Objetivos:
- Comprender los LLMs desde el punto de vista técnico y práctico.
Temas principales:
- Arquitecturas de LLMs, su pre-entrenamiento, fine-tuning, alineamiento, prompting y evaluación.
- Aplicaciones de LLMs
Objetivo:
- Comprender cómo se extiende la IA y los LLMs a ámbitos más diversos. Enfoque técnico y práctico.
Temas principales:
- Representation Learning
- LLMs para visión y OCR
- Generación de imágenes, audio y video.
- World models
- Aprendizaje Reforzado
Objetivos:
- Dominar cómo se llevan los conocimientos aprendidos a la práctica en problemáticas reales. Comprender las extensiones más actuales a los LLMs para enriquecer su funcionalidad, versatilidad y eficiencia.
- Enfoque técnico y práctico.
Temas principales:
- LatamGPT: Pipeline de datos, infraestructura, entrenamiento, alineamiento, safety, evaluación e inferencia.
- RAG, agentes, herramientas y skills
- Eficiencia en inferencia
Objetivos:
- Reflexionar sobre las consideraciones de la IA más allá de lo técnico y práctico. Conocer los marcos regulatorios y éticos existentes.
Temas principales:
- IA y el mundo del trabajo
- Privacidad
- Regulaciones
- Aspectos éticos, sesgos y responsabilidad civil
DOCENTES
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.
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.
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.
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.
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.
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.