Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Módulo 1: Introducción y teoría de la IA
- El enfoque basado en modelos: La IA como un problema de ingeniería.
- Desmitificar el "fantasma en la máquina": Qué es y qué no es la IA.
- La evolución tecnológica: De BERT a los Transformers.
- Dominios generativos: Análisis, Creatividad, Investigación, Imagen, Música y Vídeo.
- Gobernanza de datos: Pilares, auditorías y tendencias de investigación (Multimodalidad, Agentes, RAG, LLM vs. SLM).
- El lado oscuro: Ética, propiedad intelectual, sesgos, alucinaciones e ingeniería social.
- Evaluación de riesgos: Envenenamiento de datos, Nepenthes y el riesgo de "empobrecer" el talento humano.
- Taxonomía de modelos: De base frente a específicos para la tarea; modelos de peso cerrado frente a abiertos.
Módulo 2: Panorama actual y conjunto de herramientas
- La arena de los modelos de lenguaje: Comparación de rendimiento y puntos de referencia.
- Criterios de compra profesional: Costo, latencia, privacidad y bloqueo al proveedor.
- Visión general de los grandes modelos: OpenAI ChatGPT, Perplexity, Gemini y Grok.
- Modelos nicho y pequeños: Manus, SpecKit.
- Generación gráfica: Perchance
- Restricciones técnicas: Deterioro del contexto frente al costo de tokens.
Módulo 3: Interacción - Ingeniería de prompts y contexto
- El marco de verificación: Completitud, consistencia y verificabilidad.
- La estrategia RAG: Cuándo usar la generación aumentada con recuperación frente al ajuste fino.
- ROI de la IA: Costos de mantenimiento frente a ganancias de productividad.
- Técnicas avanzadas: Más de 20 métodos de prompts y RAG con ejemplos del mundo real.
- Fronteras experimentales: Triangulación, visión general del mapa y terreno, y generación basada en modelos.
Módulo 4: IA en la gestión de proyectos ágiles
- El piloto supercomputadora: La IA como motor de automatización.
- Toma de decisiones: Responsabilidad humana frente a asistencia de la IA.
- AIOps y GitOps: Integración de la IA en el flujo operativo.
- Cadena de herramientas y pipelines: Crear un entorno sin fisuras impulsado por IA.
- Artefactos ágiles: Backlog, hoja de ruta e ingeniería de requisitos.
- Gestión de precisión: Planificación de capacidad y estimación (Precisión frente exactitud).
- Propiedad del producto: Ideación, análisis de características y riesgos del Vibe-coding.
- Riesgos y escenarios: Planificación para los "qué pasaría si" y gestión automatizada de riesgos.
- Refinamiento: Descripción y refinamiento del caso de uso y la historia de usuario.
Requerimientos
- Conocimientos básicos del Manifiesto Ágil y el marco Scrum.
- Experiencia en gestión de proyectos, propiedad de producto o liderazgo de equipos.
- No se requiere experiencia previa en programación ni en ingeniería de IA, aunque se recomienda tener familiaridad general con herramientas digitales.
Público objetivo
- Gestores de proyectos ágiles y Scrum Masters.
- Product Owners y Gerentes de Producto.
- Líderes de equipos TI y Gerentes de Entrega.
- Analistas de negocio que trabajan en entornos ágiles.
- Gerentes de operaciones interesados en AIOps.
7 Horas
Reseñas (1)
Comprender las funciones y herramientas de la IA para facilitar nuestro trabajo. Necesitamos mejorar los chatbots de IA, por ejemplo, en la realización de análisis y la creación de presentaciones.
Tri wulandari - PT Chubb Life Insurance Indonesia
Curso - AI Literacy & Productivity
Traducción Automática
