Temario Bootcamp I.A

1a. Introducción a la IA Generativa

Modalidad: 100% Flex

Objetivos:

• Comprender la historia y el presente de los sistemas de IA y aprendizaje automático.
• Analizar el panorama competitivo entre OpenAI y otros actores clave en la IA.
• Explorar las limitaciones y riesgos de las tecnologías actuales, así como el impacto energético.
• Discutir la regulación y el rol de soluciones como Worldcoin.

Contenido:

• Historia de los sistemas de IA: Breve recorrido desde los primeros sistemas expertos hasta los modelos de lenguaje actuales.
• Panorama competitivo: Análisis de OpenAI, Google DeepMind, Anthropic, y otros actores.
• Limitaciones actuales y consumo de energía: Retos técnicos, energéticos y de datos.
• Regulación: Dilemas éticos, futuros peligros, y posibles soluciones como Worldcoin.

Lecturas recomendadas:

• Worldcoin y la identidad digital global
• OpenAI vs. Google DeepMind: el futuro de la IA

1b. Soluciones de Arquitectura en IA

Modalidad: 100% en vivo - Flex

Objetivos:

• Entender el funcionamiento de ChatGPT y el desarrollo de la ingeniería de prompts.
• Introducir bases de datos vectoriales y su importancia en IA generativa.
• Aprender a trabajar dentro de las limitaciones arquitectónicas de los modelos.
• Analizar el uso de agentes en tareas automatizadas.

Contenido:

• ChatGPT: Arquitectura básica y evolución de los sistemas de IA conversacional.
• Ingeniería de prompts: Conceptos clave y buenas prácticas.
• Bases de datos vectoriales: Uso de PG_vector, Pinecone y Milvus.
• Agentes y tareas: Ejemplos de sistemas autónomos que ejecutan tareas complejas.

Lecturas recomendadas:

• Prompt Engineering by Microsoft
• LLM by Example on GitHub
• Agent Chat by AutoGen

Tarea: Crear un chatbot usando la API de OpenAI que permita cargar tus datos y obtener respuestas basadas en ellos.

2. Optimizar y Medir

Modalidad: 100% en vivo - Flex

Objetivos:

• Utilizar Langchain y Langsmith para conectar modelos de IA.
• Controlar y optimizar los costos de uso de modelos de IA.
• Estimar presupuestos a largo plazo y gestionar recursos con paneles de administración.

Contenido:

• Langchain y Langsmith: Integración de modelos y creación de pipelines eficientes.
• Control de costes: Técnicas para reducir el consumo de recursos en el uso de modelos de IA.
• Presupuestos a largo plazo: Cómo planificar y gestionar costos de ejecución.
• Responsabilidades legales: Comprender la regulación en torno a IA y el manejo de datos.

Lecturas recomendadas:

• Langchain Tutorials
• Langsmith Official Site
• NY Times on AI & Data Harvesting

Tarea: Crea tu propio sistema para agrupar datos y utiliza una base de datos vectorial para tener más control sobre ellos.

3. Combinando Diferentes Modelos

Modalidad: 100% en vivo

Objetivos:

• Implementar agentes complejos como Cursor y Replit para tareas de IA.
• Integrar modelos de voz y otros componentes de IA en aplicaciones.
• Explorar herramientas como AutoGen para automatizar procesos.

Contenido:

• Agentes como Cursor y Replit: Cómo funcionan y su papel en la IA moderna.
• Agregando voz: Integración de modelos de voz con texto para crear aplicaciones conversacionales.
• AutoGen: Automatización de procesos y tareas repetitivas con IA.

Lecturas recomendadas:

• MDN SpeechSynthesis API
• AutoGen by Microsoft

Tarea: Crear un agente que lea documentos complejos y cree un plan de lección para estudiantes de secundaria.