Contenidos

1. Introducción a la IA Generativa

1.1. Qué es la IA Generativa y aplicaciones principales

1.1.1. Definición y ejemplos de uso en distintos sectores

1.2. Contexto histórico

1.2.1. Orígenes, invierno de la IA, resurgimiento y revolución actual

1.3. Técnicas y conceptos fundamentales.

1.3.1. Redes Generativas Antagónicas (GANs), modelos de difusión y Transformers

1.3.2. Tokens, Embeddings, Chunks, Contexto y tipologías de modelos.

1.3.3. Tipologías de modelos generativos (texto, imagen, audio, vídeo, multimodal, etc).

1.4. Beneficios y regulación.

1.4.1. Ley de IA Europea.

1.4.2. Tendencias futuras.

2. Introducción a los Grandes Modelos de Lenguaje

2.1. Qué es un LLM y sus capacidades

2.1.1. Generación

2.1.2. Manipulación de lenguaje

2.1.3. Razonamiento básico

2.2. Limitaciones de los LLM

2.2.1. Inconsistencia y alucinaciones en las respuestas.

2.2.2. Capacidad limitada de memoria.

2.2.3. Sensibilidad a las instrucciones.

2.2.4. Dependencia de los datos de entrenamiento.

2.3. Principales aplicaciones y comparativa de los LLM.

2.3.1. Tareas ideales.

2.3.2. Recuperación de información.

2.3.3. Procesamiento de textos.

3. Introducción a la Ingeniería de Prompts

3.1. Conceptos clave y elementos de un prompt.

3.1.1. Contexto

3.1.2. Rol

3.1.3. Público objetivo

3.1.4. Acción solicitada,

3.1.5. Restricciones,

3.1.6. Ejemplos,

3.1.7. Tono

3.1.8. Longitud de respuesta

3.2. Técnicas Avanzadas

3.2.1. Zero-shot y Few-shot learning

3.2.2. Cadena de pensamiento

3.2.3. Cadena de prompts

4. Ejemplos y usos prácticos de herramientas de IA gratuitas o casi

4.1. Generación y procesamiento de contenido

4.1.1. Imágenes, vídeos, audio y música,

4.1.2. Presentaciones y mapas mentales

4.2. Conversión, transcripción y mejora de información

4.2.1. Mejora automática de audio.

4.2.2. Transcripción

4.2.3. Text-to-speech, speech-to-text

4.3. Herramientas de productividad y apoyo en tareas

4.3.1. Idiomas

4.3.2. Programación y desarrollo

4.3.3. Análisis de datos