Laboratorio Mágico de IA
Una estructura de curso rigurosa que integra cuatro secciones principales: Fundamentos de IA, Generación con Modelos Grandes (GenAI y LLM), Agentes y Computación Evolutiva (destacado como una característica de PolyU) y Ética. La lógica del curso avanza secuencialmente a través de Percepción y Datos (L1-3), Cognición y Generación (L4-6), Agentes y Evolución (L7-9) y concluye con Ética y Futuro (L10).
Descripción del curso
Resumen del Contenido
El "Laboratorio de Magia AI" es un curso riguroso e integrado diseñado para proporcionar una comprensión profunda y secuencial de la Inteligencia Artificial moderna. El plan de estudios está estructurado en cuatro módulos progresivos: conceptos fundamentales (Percepción y Datos), capacidades generativas avanzadas (Cognición y Generación mediante LLMs y Modelos de Difusión), sistemas autónomos (Agentes y Computación Evolutiva) y gobernanza ética (Ética y Futuro). Los estudiantes pasarán desde la comprensión de la representación numérica cruda de los datos hasta dominar el diseño de sistemas complejos, culminando con una visión integral de la creación y despliegue responsables de la IA.
Este curso ofrece una comprensión rigurosa e integrada de la IA moderna, cubriendo fundamentos clave de los datos, técnicas de generación de Modelos de Lenguaje Masivos (LLM), la arquitectura de Agentes autónomos y las consideraciones éticas críticas necesarias para un despliegue responsable.
Objetivos de Aprendizaje
- Dominar los fundamentos de la percepción de IA, la representación de datos (Tensores) y tareas básicas de aprendizaje supervisado como la Clasificación.
- Comprender y controlar los Modelos de Lenguaje Masivos (LLM) y la IA generativa aplicando conceptos de predicción de secuencias, el mecanismo de Atención y técnicas avanzadas de Ingeniería de Prompt.
- Diseñar y analizar Agentes Inteligentes, integrando el ciclo Percepción-Decisión-Acción con métodos de optimización avanzados basados en poblaciones como la Computación Evolutiva.
- Diferenciar entre IA Generativa e IA Discriminativa y explicar el proceso mecánico de los Modelos de Difusión para la generación de imágenes a partir de texto.
- Evaluar los desafíos éticos inherentes a la IA contemporánea (sesgo en datos, alucinaciones del modelo, deepfakes) y proponer estrategias para una Sincronización Humano-AI responsable.