- 18 Sections
- 161 Lessons
- 15 Hora
Expand all sectionsCollapse all sections
- UNIDAD.- Introducción a la Inteligencia Artificial5
- UNIDAD.- Tipos de Inteligencia Artificial42
- 2.1IA débil vs IA fuerte
- 2.2Fundamentos de Machine Learning
- 2.3Inteligencia artificial, machine learning, deep learning y redes neuronales
- 2.4Aprendizaje automático (Machine Learning)
- 2.5Tipos de Machine Learning (Supervisado, No Supervisado, por Refuerzo)
- 2.6Características definitorias de un algoritmo
- 2.7Un ejemplo de las características definitorias de un algoritmo
- 2.8Ampliación: Algoritmo DBSCAN
- 2.9Evaluación y mejora de modelos
- 2.10Aprendizaje Supervisado
- 2.11Métodos de aprendizaje supervisado
- 2.12Modelos de Algoritmos Supervisados
- 2.13Modelos de regresión lineal
- 2.14Ampliación: ¿Que es un modelo de regresión lineal?
- 2.15Modelos de regresión logística
- 2.16Ampliación: Regresión Logística En Python
- 2.17Modelos de árboles de decisión
- 2.18Ampliación: Algoritmos Machine Learning: Árboles Decisión para Data Science
- 2.19Modelos de máquina de vectores de soporte
- 2.20Ampliación: Máquinas de soporte vectorial en Python | Ejemplo y explicación completa |Machine Learning en Python
- 2.21Aprendizaje No Supervisado
- 2.22Métodos de aprendizaje no supervisado
- 2.23Modelos de Algoritmos no Supervisados
- 2.24K-means
- 2.25Ampliación: k-means cluster paso a paso | Machine Learning para novatos
- 2.26DBSCAN
- 2.27Ampliación: Identifica Clusters con DBSCAN: Algoritmo paso a paso e implementación con Python
- 2.28Análisis de Componentes Principales (PCA)
- 2.29Ampliación: Análisis de Componentes Principales (PCA) para Reducir la Dimensionalidad de Datos usando Python
- 2.30Agrupamiento Jerárquico
- 2.31Ampliación: Clustering Jerárquico en Python
- 2.32Comparativa de los principales algoritmos no supervisados
- 2.33Cuándo utilizar unos u otros algoritmos de aprendizaje no supervisado
- 2.34Cómo elegir el algoritmo adecuado supervisado o no supervisado
- 2.35Aprendizaje por Refuerzo
- 2.36Aprendizaje por Refuerzo: Aprendiendo a través de la interacción
- 2.37Desafíos del Aprendizaje por Refuerzo
- 2.38Los agentes en el aprendizaje por refuerzo
- 2.39Algoritmos de Aprendizaje por Refuerzo
- 2.40Ampliación: Q-Learning y el aprendizaje por refuerzo: Teoría y práctica con Python
- 2.41Ampliación: Descenso de Gradiente. Cómo Aprenden las Redes Neuronales | Aprendizaje Profundo
- 2.42Ampliación: Aprendizaje Profundo por Refuerzo (Deep Reinforcement Learning)
- UNIDAD.- Funcionamiento del ChatGPT36
- 3.1Modelos de lenguaje: definición y ejemplos
- 3.2Definición y tipos de Modelos de Lenguaje
- 3.3Ejemplos de Modelos de Lenguaje
- 3.4Evolución de los modelos de lenguaje
- 3.5Introducción a los modelos de lenguaje basados en transformadores
- 3.6Introducción a GPT Generative Pretrained Transformer
- 3.7Arquitectura y fundamentos de GPT
- 3.8Preentrenamiento y Afinamiento
- 3.9Configuración e Implementación de ChatGPT
- 3.10Requisitos de hardware
- 3.11Requisitos de software
- 3.12Configuración de un entorno de desarrollo para ChatGPT
- 3.13Configuración de la clave API
- 3.14Probar ChatGPT
- 3.15Trabajando con la API de ChatGPT
- 3.16Seguridad y privacidad
- 3.17Manejo de solicitudes y respuestas
- 3.18Ejemplos prácticos de integraciones con aplicaciones y servicios
- 3.19Modelos de lenguaje: definición y ejemplos
- 3.20Definición y tipos de Modelos de Lenguaje
- 3.21Ejemplos de Modelos de Lenguaje
- 3.22Evolución de los modelos de lenguaje: desde los métodos basados en reglas hasta los modelos basados en datos
- 3.23Introducción a los modelos de lenguaje basados en transformadores
- 3.24Introducción a GPT Generative Pretrained Transformer
- 3.25Arquitectura y fundamentos de GPT
- 3.26Preentrenamiento y Afinamiento
- 3.27Configuración e Implementación de ChatGPT
- 3.28Requisitos de hardware
- 3.29Requisitos de software
- 3.30Configuración de un entorno de desarrollo para ChatGPT
- 3.31Configuración de la clave API
- 3.32Probar ChatGPT
- 3.33Trabajando con la API de ChatGPT
- 3.34Seguridad y privacidad
- 3.35Manejo de solicitudes y respuestas
- 3.36Ejemplos prácticos de integraciones con aplicaciones y servicios
- UNIDAD.- Procesamiento del Lenguaje Natural (NLP)13
- 4.1Modelos de procesamiento del lenguaje natural
- 4.2Procesamiento del lenguaje natural (NLP)
- 4.3Técnicas clave del procesamiento de texto
- 4.4Ampliación: Bag of Words TFIDF Clasificación de texto
- 4.5Los Transformadores y el procesamiento del lenguaje natural
- 4.6Aplicaciones del procesamiento del lenguaje natural
- 4.7Modelos de procesamiento del lenguaje natural
- 4.8Procesamiento del lenguaje natural (Natural Language Processing)
- 4.9Técnicas clave del procesamiento de texto
- 4.10Modelos de procesamiento del lenguaje natural
- 4.11Ampliación: Bag of Words TFIDF Clasificación de texto
- 4.12Los Transformadores y el procesamiento del lenguaje natural
- 4.13Aplicaciones del procesamiento del lenguaje natural
- UNIDAD.- Entrenamiento y finetuning de modelos de lenguaje8
- 5.1Personalización y afinación de ChatGPT
- 5.2Introducción a la afinación (fine-tuning)
- 5.3Consideraciones al realizar la afinación
- 5.4Estrategias de recolección de datos para la afinación
- 5.5Proceso de afinación de ChatGPT
- 5.6Desafíos y consideraciones al afinar ChatGPT
- 5.7Herramientas y plataformas para finetuning
- 5.8Evaluación y mejora del modelo finetuning
- UNIDAD.- Aplicaciones de ChatGPT en diferentes sectores5
- UNIDAD.- Avances recientes en IA y ChatGPT4
- UNIDAD.- El futuro de la IA3
- UNIDAD.- Casos de estudio y proyectos prácticos con ChatGPT4
- UNIDAD.- Integración de ChatGPT en Bing5
- UNIDAD.- Consideraciones éticas y de privacidad en la integración de ChatGPT en un navegador web (I)4
- UNIDAD.- Consideraciones éticas y de privacidad en la integración de ChatGPT en un navegador web (II)3
- UNIDAD.- Superalineación en la Superinteligencia (I)4
- UNIDAD.- Superalineación en la Superinteligencia (II): OpenAI y otras organizaciones3
- UNIDAD.- Implementación de ChatGPT en proyectos reales14
- 15.1Generación de contenido con ChatGPT
- 15.2Generación de contenido de alta calidad
- 15.3Casos de uso efectivos con ChatGPT
- 15.4Cómo utilizar ChatGPT para generar contenido
- 15.5Ejemplos de redacción de borradores con ChatGPT
- 15.6Técnicas de Prompt Engineering
- 15.7Mejores prácticas de generación de contenido
- 15.8Generación de artículos y blogs
- 15.9Creación de copias publicitarias convincentes
- 15.10Redacción de publicaciones en redes sociales
- 15.11Refinamiento y mejora del contenido generado
- 15.12Resumir información con ChatGPT
- 15.13Ética y responsabilidad en la generación de contenido
- 15.14Revisión y edición del contenido generado
- UNIDAD.- Trabajo con el ChatGPT3
- UNIDAD.- Optimización del rendimiento del ChatGPT2
- UNIDAD.- Integración del ChatGPT en aplicaciones web y móviles3
Evolución histórica de la inteligencia artificial
Siguiente
