Temario del curso
Introducción a la IA multimodal
- Comprensión de los datos multimodales.
- Conceptos clave y definiciones.
- Historia y evolución del aprendizaje multimodal.
Procesamiento de datos multimodales
- Recolección y preprocesamiento de datos.
- Extracción de características a partir de distintas modalidades.
- Técnicas de fusión de datos.
Aprendizaje de representaciones multimodales
- Aprendizaje de representaciones conjuntas.
- Incrustaciones (embeddings) entre modalidades.
- Transferencia de aprendizaje entre modalidades.
Alineación y traducción multimodal
- Alineamiento de datos procedentes de múltiples modalidades.
- Sistemas de recuperación entre modalidades.
- Traducción entre modalidades (por ejemplo, texto a imagen, imagen a texto).
Razonamiento e inferencia multimodal
- Lógica y razonamiento con datos multimodales.
- Técnicas de inferencia en IA multimodal.
- Aplicaciones en respuesta a preguntas y toma de decisiones.
Modelos generativos en IA multimodal
- Redes Generativas Antagónicas (GAN) para datos multimodales.
- Autoencodedores Variacionales (VAE) para generación entre modalidades.
- Aplicaciones creativas de la IA generativa multimodal.
Técnicas de fusión multimodal
- Métodos de fusión temprana, tardía e híbrida.
- Mecanismos de atención en la fusión multimodal.
- Fusión para una percepción y una interacción robustas.
Aplicaciones de la IA multimodal
- Interacción humano-computadora multimodal.
- IA en vehículos autónomos.
- Aplicaciones en el sector salud (por ejemplo, imagenología y diagnóstico médico).
Consideraciones éticas y desafíos
- Sesgo y equidad en los sistemas multimodales.
- Preocupaciones de privacidad con datos multimodales.
- Diseño y despliegue ético de sistemas de IA multimodal.
Temas avanzados en IA multimodal
- Transformadores multimodales.
- Aprendizaje auto-supervisado en IA multimodal.
- El futuro del aprendizaje automático multimodal.
Resumen y próximos pasos
Requerimientos
- Comprensión básica de la inteligencia artificial y el aprendizaje automático.
- Domino del lenguaje de programación Python.
- Familiaridad con la manipulación y el preprocesamiento de datos.
Público objetivo
- Investigadores de IA.
- Científicos de datos.
- Ingenieros de aprendizaje automático.
Reseñas (1)
Nuestro instructor, Yashank, era increíblemente conocedor. Adaptó el currículo para que se ajustara a lo que realmente necesitábamos aprender y tuvimos una excelente experiencia de aprendizaje con él. Su comprensión del dominio que estaba enseñando fue impresionante; compartió insights basados en experiencias reales y nos ayudó a resolver problemas reales que estábamos enfrentando en nuestro trabajo.
Ahmed Nazeem - Maldives Pension Administration Office
Curso - Multimodal AI for Enhanced User Experience
Traducción Automática
