Inteligencia Artificial Generativa para personal desarrollador

Duración

20 horas

Objetivos

Dotar a los participantes de las competencias técnicas necesarias para diseñar, entrenar, integrar y desplegar modelos generativos de inteligencia artificial en entornos de desarrollo profesionales.

• Comprender los fundamentos técnicos de la inteligencia artificial generativa.
• Diseñar prompts eficaces para distintos casos de uso.
• Integrar modelos generativos mediante APIs en aplicaciones reales.
• Implementar soluciones basadas en embeddings y recuperación de información (RAG).
• Aplicar buenas prácticas de seguridad y control de costes.
• Desarrollar una aplicación funcional basada en IA generativa

Temario

1. Introducción a la IA Generativa
   • Qué es la inteligencia artificial generativa.
   • Diferencia entre IA tradicional y modelos generativos.
   • Fundamentos de los modelos de lenguaje (LLM).
   • Conceptos clave: tokens, embeddings, ventana de contexto.
   • Panorama actual de modelos comerciales y open source.
2. Integración mediante APIs
   • Arquitectura de integración con modelos generativos.
   • Autenticación y consumo de APIs.
   • Envío de prompts y procesamiento de respuestas.
   • Parámetros de generación (temperatura, longitud, etc.).
   • Gestión de errores y control de costes.
   • Práctica: desarrollo de un asistente básico conectado por API
3. Prompt Engineering
   • Principios de diseño de prompts.
   • Zero-shot y few-shot prompting.
   • Generación de respuestas estructuradas (JSON).
4. Embeddings y RAG
   • Qué son los embeddings y cómo funcionan.
   • Búsqueda semántica.
   • Arquitectura básica de Retrieval Augmented Generation (RAG).
   • Indexación y fragmentación de documentos.
   • Práctica: sistema de consulta sobre documentación propia.
5. IA aplicada al ciclo de desarrollo
   • Asistencia en programación.
   • Refactorización y explicación de código.
   • Generación automática de pruebas.
   • Generación de documentación.
   • Integración con herramientas de desarrollo
6. Seguridad y Buenas Prácticas
   • Riesgos: prompt injection y fuga de información.
   • Validación de entradas y salidas.
   • Protección de datos sensibles.
   • Estrategias de despliegue seguro.
   • Optimización de costes y rendimiento.
7. Proyecto Final
   • Desarrollo de una aplicación funcional basada en IA generativa.