Inteligencia Artificial · de los fundamentos a la aplicación real
Todavía no confirmamos tu pago
Si ya pagaste, puede tardar unos segundos en acreditarse. Si te quedó a mitad de camino, volvé a intentarlo.
Revisar mi pagoSemana 01
Introducción a la Inteligencia Artificial
El mapa del territorio: qué es la IA, qué no es, cómo se relaciona con el machine learning y el deep learning, y dónde se está usando hoy.
El mapa del territorio de la IA
Guía de estudio · 22 páginasEjercicios prácticos
Mapear casos de uso de IA en tu industria
Listá al menos 5 procesos de tu trabajo o estudio donde la IA ya se podría aplicar hoy.
Distinguir IA débil de IA fuerte
Clasificá 6 ejemplos reales de productos con IA según el tipo que corresponda.
Autoevaluación de cierre
Respondé el cuestionario de 8 preguntas incluido al final de la guía.
Semana 02
Fundamentos de Machine Learning
Cómo aprende una máquina a partir de datos: tipos de aprendizaje, entrenamiento, validación y las métricas para saber si un modelo realmente funciona.
Cómo piensa una máquina que aprende
Guía de estudio · 26 páginasEjercicios prácticos
Entrenar un clasificador simple
Usando una herramienta sin código, entrená un modelo que clasifique un dataset de ejemplo.
Detectar overfitting
Analizá dos curvas de entrenamiento provistas e identificá cuál está sobreajustada.
Elegir la métrica correcta
Dado un caso de negocio, justificá qué métrica de evaluación usarías y por qué.
Semana 03
Redes neuronales y Deep Learning
Qué hay dentro de un modelo moderno: neuronas, capas, activaciones y cómo una red aprende a reconocer patrones.
Dentro de una red neuronal
Guía de estudio · 28 páginasEjercicios prácticos
Entrenar un clasificador de imágenes
Con una herramienta visual, entrená una red que distinga entre 3 categorías de imágenes.
Diagramar una red simple
Dibujá a mano una red de 2 capas ocultas para un problema dado y explicá su flujo.
Comparar deep learning vs. ML clásico
Elegí un caso real y justificá cuál de los dos enfoques conviene usar.
Semana 04
Procesamiento de Lenguaje Natural y LLMs
Cómo entienden el lenguaje los modelos actuales: tokens, embeddings, arquitectura transformer y el camino hasta los asistentes de hoy.
Cómo entienden el lenguaje las máquinas
Guía de estudio · 24 páginasEjercicios prácticos
Comparar modelos de lenguaje
Hacé el mismo pedido a dos modelos distintos y documentá las diferencias en la respuesta.
Tokenizar un texto a mano
Separá un párrafo en tokens siguiendo las reglas explicadas en la guía.
Identificar límites del modelo
Encontrá un caso donde un LLM se equivoque y explicá por qué ocurre.
Semana 05
Prompt Engineering aplicado
Pedirle bien a una IA es una habilidad entrenable: estructura, contexto, razonamiento paso a paso y prompts reutilizables.
El arte de pedirle bien a una IA
Guía de estudio · 20 páginasEjercicios prácticos
Diseñar 5 prompts propios
Documentá 5 prompts reutilizables para tareas de tu día a día, con su resultado esperado.
Reescribir un prompt débil
Tomá un prompt de ejemplo poco efectivo y mejoralo aplicando la estructura del módulo.
Encadenar instrucciones
Armá una secuencia de 3 prompts que resuelva una tarea compleja paso a paso.
Semana 06
Visión por computadora
Cómo "ve" una máquina: reconocimiento de imágenes, detección de objetos, OCR y aplicaciones prácticas por industria.
Cómo ve una máquina
Guía de estudio · 22 páginasEjercicios prácticos
Clasificar un set de imágenes
Automatizá la clasificación de 20 imágenes propias con una herramienta de visión.
Probar OCR sobre un documento
Convertí una foto de un documento en texto editable y corregí los errores encontrados.
Diseñar un caso de uso
Proponé una aplicación de visión por computadora para un problema de tu entorno.
Semana 07
IA Generativa
Crear texto, imagen, audio y video con modelos generativos, y los criterios para elegir la herramienta correcta según el caso.
Crear con IA: texto, imagen, audio y video
Guía de estudio · 25 páginasEjercicios prácticos
Producir una pieza generada con IA
Creá una pieza de contenido (texto, imagen o audio) para un proyecto propio.
Comparar dos herramientas generativas
Generá el mismo resultado con dos herramientas distintas y compará calidad y control.
Evaluar uso responsable
Analizá un caso de uso generativo y señalá los riesgos éticos o legales involucrados.
Semana 08
Ética, agentes de IA y proyecto final
Sesgos, uso responsable, introducción a agentes autónomos, y el proyecto final que integra todo lo aprendido en las 7 semanas anteriores.
Ética y el futuro del trabajo con IA + guía de proyecto final
Guía de estudio · 30 páginasEjercicios prácticos
Analizar un caso de sesgo algorítmico
Investigá un caso real de sesgo en un sistema de IA y proponé cómo se podría mitigar.
Diseñar un agente simple
Esbozá el flujo de un agente de IA que automatice una tarea repetitiva propia.
Proyecto final integrador
Entregá el proyecto que combina al menos 3 de los temas vistos durante el curso.