- 7 Sections
- 81 Lecciones
- 10 Hora
Expand all sectionsCollapse all sections
- UNIDAD 1.- Arquitectura avanzada del prompt12
- 1.1Cambio de mentalidad: de usuario a ingeniero de prompts.
- 1.2Anatomía de un prompt profesional y su estructura sistémica.
- 1.3Definición de roles complejos y objetivos claros.
- 1.4Delimitación de contexto y estructuración de datos de entrada.
- 1.5Definición de formatos de salida: JSON, Markdown, tablas y otros.
- 1.6Uso de restricciones y negative prompting.
- 1.7Control de parámetros como temperatura mediante lenguaje natural.
- 1.8Organización de la información mediante delimitadores.
- 1.9Control de tono, estilo, voz de marca y longitud de respuesta.
- 1.10Jerarquía de instrucciones y priorización del modelo.
- 1.11Multimodalidad en prompts.
- 1.12Creación de plantillas reutilizables y dinámicas.
- UNIDAD 2.- Técnicas estratégicas de prompting12
- 2.1Zero-shot y few-shot prompting.
- 2.2Chain of Thought (CoT) y razonamiento secuencial.
- 2.3Self-consistency y generación por consenso interno.
- 2.4Tree of Thoughts y exploración de soluciones alternativas.
- 2.5ReAct: combinación de razonamiento y acción.
- 2.6Prompt chaining y diseño de flujos complejos.
- 2.7Iteración recursiva y mejora progresiva
- 2.8Uso de meta-prompts y reverse prompting.
- 2.9Aplicación del prompting en análisis de datos y generación de código.
- 2.10Técnicas de creatividad y pensamiento lateral.
- 2.11Adaptación del prompting según el modelo utilizado.
- 2.12Sistemic prompting en la configuración global.
- UNIDAD 3.- Verificación y auditoría de resultados12
- 3.1Importancia de la validación en IA.
- 3.2Detección y mitigación de alucinaciones.
- 3.3Fact-checking y auditoría de fuentes.
- 3.4Identificación de sesgos y evaluación de precisión técnica.
- 3.5Consistencia lógica y coherencia en textos complejos.
- 3.6Verificación de cálculos y resultados numéricos.
- 3.7Pruebas de robustez del prompt.
- 3.8Validación cruzada entre modelos de IA.
- 3.9Definición de criterios de calidad
- 3.10Protocolos de revisión humana.
- 3.11Control de originalidad y detección de plagio.
- 3.12Checklist de verificación de resultados.
- UNIDAD 4.- Seguridad, ética y prompt injection10
- 4.1Protección de datos y anonimización.
- 4.2Prompt injection: riesgos y medidas de defensa.
- 4.3Jailbreaking y límites éticos.
- 4.4Fugas de información y protección corporativa.
- 4.5Propiedad intelectual en prompts.
- 4.6Gobernanza y control de acceso en equipos.
- 4.7Uso responsable de la IA en decisiones críticas.
- 4.8Transparencia en el uso de contenidos generados.
- 4.9Marco legal y normativo actual.
- 4.10Auditoría de seguridad en herramientas externas.
- UNIDAD 5.- Herramientas avanzadas y automatización10
- 5.1Uso de entornos de experimentación (playgrounds).
- 5.2Configuración de GPTs personalizados.
- 5.3Integración de prompts en workflows con herramientas como Zapier o Make.
- 5.4Introducción al uso de APIs en entornos no-code.
- 5.5Versionado de prompts.
- 5.6Repositorios y librerías de prompts.
- 5.7Herramientas de evaluación automática.
- 5.8Prompts autónomos y evolución hacia agentes.
- 5.9Optimización de costes y gestión de tokens.
- 5.10Aplicación en asistentes conversacionales y voz.
- UNIDAD 6.- Desarrollo de proyecto final y evaluación9
- 6.1Definición de un problema real de negocio.
- 6.2Diseño de la arquitectura del prompt.
- 6.3Aplicación de técnicas avanzadas (few-shot, CoT, etc.).
- 6.4Iteración y mejora del prompt.
- 6.5Validación de resultados.
- 6.6Optimización del formato de salida.
- 6.7Aplicación de medidas de seguridad.
- 6.8Documentación del prompt.
- 6.9Presentación final y métricas de éxito.
- UNIDAD 7.- Casos de uso de resolución de errores (troubleshooting)16
- 7.1Gestión de respuestas truncadas.
- 7.2Detección de alucinaciones sutiles.
- 7.3Corrección de pérdida de contexto en conversaciones largas.
- 7.4Control del sesgo de confirmación.
- 7.5Solución de errores en formatos de salida (JSON, tablas).
- 7.6Gestión de rechazos del modelo.
- 7.7Mejora de respuestas superficiales.
- 7.8Corrección de bucles de repetición.
- 7.9Control de incumplimiento de restricciones.
- 7.10Ajuste de tono y estilo.
- 7.11Gestión de inconsistencias entre ejecuciones.
- 7.12Verificación de cálculos complejos.
- 7.13Mejora de uso de documentos externos (RAG).
- 7.14Corrección de confusión de roles.
- 7.15Reparación de errores en razonamiento secuencial.
- 7.16Control del exceso de complacencia del modelo.