Curso Intro a AI, sin código
Aprendé todo sobre inteligencia artificial para estar mejor posicionado en tu carrera profesional y entender cómo revoluciona a tu industria
Qué aprenderás
En este curso, aprenderás lo fundamental para comprender por qué la inteligencia artificial implica un salto tecnológico que cambia la forma en la que trabajamos, incluyendo la evolución historica desde los primeros modelos de aprendizaje, las bases conceptuales técnicas que la sustentan y cómo podes aplicarla en tu dia a dia.
Además, se discutirán las últimas novedades en cuanto a modelos de aprendizaje, diversas herramientas de IA y cómo las empresas las están aprovechando.
¿Cómo surge esta revolución tecnológica ?¿La inteligencia artificial viene a reemplazarnos? ¿Puedo utilizarla en mis tareas diarias? ¿Cuales son las mejores herramientas disponibles? ¿Cómo las utilizo efectivamente? ¿Cuál es el futuro de la industria?
Metodología de enseñanza
Además de las clases regulares tendrás acceso a:
- Todas las clases grabadas una vez impartidas para verlas cuando quieras.
- Módulos complementarios en video con contenidos prácticos.
- Un espacio de discord con los demás alumnos y profesores.
En vivo
A tu ritmo
Puedes ver las clases más rápido, pausarlas o repetirlas cuantas veces quieras.
Temario del curso
¿Por qué están todos hablando de la IA?
-Velocidad de adopción
-Interés empresarial y financiamiento
-Masividad y alcance de soluciones
-Empresas, usuarios y el concepto de "asistente" Intersecciones con otras tecnologías
-El Camino hacia la AGI
-¿Qué tan lejos estamos de una AGI?
-¿Qué necesitamos?
El Hardware
-De los modelos mecánicos al microchip
-Modelo multicore ¿Escala?
-Supercomputadoras
-Sistemas distribuidos
-Computación cuántica
-¿Alcanza con la ley de Moore?
-Reflexiones
El software
-¿Puede ser la salida al cuello de botella?
-Historia del OPEN SOURCE
-El invierno de la IA
-Timeline de la IA post 1986
-Crecimiento de repos, papers y empleo
LLM: Grandes modelos de lenguaje
-¿Qué tan grandes son?
-¿Cuánto poder de cómputo demandan?
-¿Cuánto cuesta entrenarlos?
-Familias de LLM
-¿Cómo se mide el rendimiento del LLM
-¿Con que data entrenan?
-LLM open source y closed source
Repaso Clase 1
- Verticales que traccionan la IA
Entendiendo el mundo de la IA
- Mapa general, paradigmas
- Aprendizaje supervisado
- Aprendizaje NO supervisado
- Aprendizaje reforzado
IA Aplicada, Datos y Tendencias
- Inversiones privadas por sector
- Proyecciones de impacto económico
- Impacto económico según matriz Industria/Aplicación
- Impacto por industria y por país
- Impacto por país a nivel personal
- Adopción de IA generativa a puestos de trabajo
- Impacto de IA en empleos por quintil de ingreso
IA Aplicada, use cases por industria
- IA en finanzas/banking
- Algunas startups destacadas en IA en finanzas
- AloT: IA en Internet de las cosas
- IA en políticas públicas
- IA en I+D y ciencia
- IA en usos militares
- IA aplicaciones en Marketing
- Ejemplos de IA aplicada en otras 12 industrias
Empresas públicas que invierten en IA
- TOP 100 empresas del NYSE que invierten en IA
- Gráficos de valuación (mktCap / PS)
- Gráficos de riesgo (Sharpe / Drawdowns)
IA Aplicada a nuestro alcance
- ¿Qué necesitamos para crear nuestras IA?
- CPUs GPUs y TPUs
- 6 Recursos de hardware gratuitos para ML/DL
Roles en IA Data
- Data Visualization
- Data Scientist
- Data Analytics
- Data Mining
- ML Engineer
- Data Engineer
- ML Ops
Introducción a temas de datos en ML
- Big Data
- GIGO ¿Por qué es tan importante la data?
- Poder de procesamiento por etapa del pipeline
- Mercado de datasets para training
Fuentes de Obtención de data
- Hugging Face
- Kaggle
- OpenML
- UCI Irvine
- Otros repositorios, org públicos
- Web/Scraping
- API REST
- LLM generation
Privacidad, Seguridad y Ética en los Datos
- Anonimización y Pseudonimización de los Datos
- Seguridad de los Datos
- Regulaciones y Leyes de Protección de Datos.
- Casos de Estudio en Ética de los Datos
Datos para modelos de LLM
- Los datos en un LLM
- Tokenización en un LLM
- Ejemplo de LLM entrenado con data específica
- Rendimiento del LLM entrenado con data específica
Tratamiento previo de datos
- Oversampling y undersampling
- Bootstrapping de datos
- Datos de entrenamiento y testeo/validación5
Validación
- Matriz de confusión y métricas
- Hiperparámetros
- Validación cruzada
Regresiones
- Mean Squared Error
- Descomposición del MSE
- Bias Variance Trade-Off
- Overfitting y Underfitting
- Regularizadores
- Descenso del gradiente
- Descenso del gradiente en funciones no convexas
- Stochastic gradient descent (SGD)
Redes neuronales
- Perceptrones
- Funciones de activación
- MLP => Redes neuronales
- Back Propagation
Tipos y usos de redes neuronales
- FFN Feed forward
- RNN Recurrentes
- CNN convolucionales
- Comparativa con redes transformers
- LSTM con memoria de largo plazo
- Demo de todo lo visto en clase con dashboard de TensorFlow en vivo
Antecedentes de los transformers
- RNN y LSTM para NLP
- Mecanismo de atención, paper de Bahdanau
- Mecanismo de atención en el roadmap
- Salida del invierno en el NLP
Embeddings
- Que es un embedding
- ¿Por qué necesitamos esto? Embedding de frases
- ¿Que hace un LLM?
- ¿Que es el mecanismo de atención?
El mecanismo de atención
- Orden dentro del contexto
- Importancia del orden en paralelización
- Embedding contextual
- La matriz de atención
Paralelización
- Cabezal de atención múltiple
- Información y Codificación posicional
- Arquitecturas
Transformers
- Paper de Vaswani et al
- Arquitectura Encoder/Decoder
- Encoder only
- Decoder only
- Paradigma supervisado forzado
- Decoder, mask y diferencias con encoder
De GPT3 a chatGPT RLHF Pipeline
- Que es un instruct model
- Como se entrena un instruct model
- Tareas de Fine tuning
- Pipeline de GPT4
- PEFT
Prompt Engineering
- Importancia del prompt en la generación de texto
- Estrategias para diseñar prompts efectivos
- Alineando el prompt con la tarea deseada
- Experimentación y refinamiento de prompts
Chain-of-Thought
- Concepto de "cadena de pensamiento" en generación de texto
- Construcción coherente de respuestas a través de múltiples turnos
- Técnicas para mantener la coherencia temática en las respuestas generadas
- Aplicaciones y casos de uso de la cadena de pensamiento
Demostración práctica en Playground de OpenAI
- Ajuste de temperatura en la generación de texto
- Penalizaciones de repetición y frecuencia
- Exploración de diferentes configuraciones y resultados obtenidos
- Optimización de la salida del modelo mediante interacciones con el Playground
Demostraciones con IAs de texto a audio, generación de imágenes y AutoGPT/EngineerGPT
- Generación de audio a partir de texto utilizando modelos de IA
- Generación de imágenes a partir de texto descriptivo
- Introducción a AutoGPT y EngineerGPT como modelos de IA de código abierto
- Configuración y ejecución local de AutoGPT/EngineerGPT para tareas específicas
- Casos de uso y posibilidades de personalización con modelos de IA de código abierto
%201%403x.png){kind=icon}
Al final de cada clase hacemos algo llamado Learn to earn: una trivia sobre crypto donde otorgamos un premio en stablecoins (dai, usdt, etc.) para el que conteste la mayor cantidad de preguntas bien en el menor tiempo.
Certificado
Se entrega certificado de asistencia y NFT (POAP) del curso una vez finalizado el mismo.
Requisitos
No requiere conocimientos previos, sea que estás en cero o que querés reforzar todo lo que ya sabes, puedes participar.
Nivel
Inicial a Intermedio
Modalidad
100% online
Nuestras opciones de pago
Para confirmar tu lugar:
- Realizá el pago con Mercado Pago
¿Con qué redes puedo pagar?
- Con BSC (BEP 20), TRON (TRC 20), Polygon y Arbitrum.
¿En qué crypto puedo pagar?
- En USDT, USDC y DAI
Para confirmar tu lugar:
- Hacé clic en "inscribirme", Completa tus datos personales
- Realizá el pago.
¿Qué piensan nuestros alumnos?
Julian Gurfinkiel
Co-founder & CMO en Turismocity
Fernando Sasiain
Socio en Klein & Sasiain Abogados
Edwin Rager
CMO & Co-Founder de Belo
Mariano Mayer
General Partner & Co-founder de Newtopia VC
Ariel Arrieta
Managing Partner & Co-founder de NXTP Ventures
Preguntas frecuentes (FAQs)
A todos aquellos que están interesados en la IA y quieren ir un poco más allá del conocimiento básico ya sea para pensar algún emprendimiento en la industria o para trabajar y mejorar sus skills dentro de la industria. No esta dirigido a programadores específicamente sino más bien al público en general.
No, no hay ningún conocimiento base obligatorio para poder completar el curso, aunque será más aprovechable para quienes conozcan al menos lo básico o hayan al menos interactuado alguna vez con chatgpt y otras herramientas similares.
Si bien no es un curso intensivo en un skill puntual, la idea es brindar muchos recursos y material para incentivar a cada uno a especializarse en el campo que más le interese o considere atractivo para su perfil, por lo tanto no hay un tema o tópico puntual de la carrera laboral que potencie sino que es más generalista sobre la industria de la IA.
Habrá una práctica en vivo para entender las redes neuronales sin código, pero con un dashboard interactivo para entender los conceptos aprendidos en clase de las redes neuronales.
No, el curso no tiene evaluaciones a los alumnos ni la obligatoriedad de una práctica final para obtener el certificado de asistencia.
Habrá más de 200 slides que quedan disponibles a todos los alumnos con todo el contenido dictado en clase, incluyendo decenas de links a recursos, papers y referencias para que cada uno pueda profundizar en los temas que le interesen más.
No, el curso no cuenta con un espacios de este tipo, si podrán hacer las consultas correspondientes vía un form de preguntas y las mismas serán respondidas por el profesor en clases siguientes.
No, al ser la primera edición del curso no tenemos un campus vivo con material que se va actualizando aun.
