Modelos de inteligencia artificial

En esta asignatura, los estudiantes dominan la implementación y ajuste de modelos fundacionales como Llama, Qwen en lenguaje natural y YOLO en imagen e incluso multimodalidad. Aprenden técnicas de prompt engineering, fine-tuning y evaluación de modelos para diversas aplicaciones.

Contenidos principales

• Modelos fundacionales: arquitecturas Transformer, modelos pre-entrenados
• Modelos de lenguaje natural: Llama, Qwen, GPT, BERT
• Modelos de visión artificial: YOLO, ViT, SAM
• Modelos multimodales: integración de texto e imagen
• Prompt engineering: técnicas para optimizar prompts
• Fine-tuning: adaptación de modelos a tareas específicas
• Evaluación de modelos: métricas, benchmarks, evaluación humana

Proyectos y prácticas

Los estudiantes realizan proyectos como:

• Creación de asistentes virtuales personalizados
• Sistemas de detección y análisis de objetos en tiempo real
• Generación de contenido multimodal
• Implementación de APIs basadas en modelos fundacionales

Salidas profesionales

Esta asignatura prepara a los estudiantes para roles como:

• Ingeniero de IA
• Especialista en NLP/Computer Vision
• Prompt Engineer
• AI Product Developer

Metodología

La asignatura combina clases teóricas con talleres prácticos y desarrollo de proyectos reales, siguiendo la metodología ETHAZI.