Máster en Ingeniería en Inteligencia Artificial 2024

Módulo introductorio de Machine Learning con las siguientes asignaturas:

1.- Fundamentos de Machine Learning

Asignatura introductoria a la Inteligencia Artificial. Comprenderemos los conceptos que integran una IA.

• Definición y conceptos básicos de IA.
• Algoritmos de aprendizaje y tipos de aprendizaje.
• Implicaciones Éticas en el Uso de IA Empresarial.
• Casos de uso específicos en diversas industrias.

2.- Workflows de aprendizaje automático

En esta asignatura definiremos los distintos servicios y procesos necesarios para entrenar un modelo, implementar un modelo y cómo utilizar Lambda Functions para componer su modelo y servicios en una aplicación basada en eventos.

• Introducción al desarrollo de flujos de trabajo de ML.
• Conceptos básicos del servicio de ML.
• Diseñando su primer flujo de trabajo.
• Monitoreo de un flujo de trabajo de ML.

3.- Ejercicio Práctico de Machine Learning (Básico)

Realizaremos ejercicios para aplicar el conocimiento básico de Machine Learning.

• Predecir la demanda de bicicletas compartidas con AutoGluon.
• Cree un flujo de trabajo de aprendizaje automático para Scones Unlimited.

En este módulo aprenderemos a entrenar, ajustar e implementar modelos de Deep Learning.  Comenzaremos aprendiendo qué es el Deep Learning, dónde se utiliza y las herramientas que se utilizan. Asignatura del módulo:

1.- Fundamentos de Deep Learning

En esta asignatura aprenderemos sobre neuronas artificiales y redes neuronales y cómo entrenarlas. También, aprenderemos sobre arquitecturas de redes neuronales avanzadas como las redes neuronales convolucionales y BERT, así como también cómo ajustarlas para tareas específicas.  Finalmente, trabajaremos con las herramientas más utilizadas.

• Introducción a temas de Deep Learning.
• Introducción al Deep Learning.
• Tipos de arquitectura y Fine-Tuning.
• Implementar modelos de Deep Learning.

2.- Proyectos de Deep Learning

En esta asignatura veremos temas avanzados relacionados con la implementación de proyectos profesionales de Deep Learning.  Conoceremos cómo maximizar la producción mientras disminuyen los costos.  También aprenderán cómo implementar proyectos que puedan utilizar big data y big traffic, cómo trabajar con conjuntos de datos especialmente grandes y cómo abordar la seguridad en las aplicaciones de aprendizaje automático en la nube..

• Proyectos de Deep Learning.
• Administrar los recursos informáticos en la nube para garantizar una utilización eficiente.
• Entrene modelos en conjuntos de datos a gran escala utilizando modelos distribuidos.
• Construya canalizaciones para un alto rendimiento y baja latencia.
• Diseñe proyectos seguros de aprendizaje automático en la nube.

3.- Ejercicio Práctico de Machine Learning (Avanzado)

Realizaremos ejercicios para aplicar el conocimiento avanzado de Machine Learning.

• Clasificación de imágenes.
• Poner en marcha un proyectos de ML.

En este módulo aprenderemos a la parte introductoria de creación, tecnologías y entrenamiento de LLM's:

1.- Creación de portafolios de aprendizaje automático

En esta asignatura aprenderemos a crear nuestro propio portafolio de aprendizaje automático.

• Alineamientos del Proyecto final del ingeniero de aprendizaje automático.
• Propuesta final.
• Construcción del proyecto.

2.- Fundamentos de LLM

Comprenderemos que son las LLM's y cómo trabajar con proyectos de LLM's.

• Introducción a LLMs e IA generativa.
• Casos de uso de las LLMs y tareas.
• Hoja de referencia sobre el ciclo de vida del proyecto de IA generativa.
• Análisis profundo de la arquitectura Transformer.
• Tokenización, atención, auto-atención.
• Técnicas de pre-entrenamiento.
• Desafíos computacionales del entrenamiento de LLM.
• Leyes de escala y modelos de cálculo óptimo.

3.- Ajuste y Personalización de LLM's

En esta asignatura conoceremos como evaluar, ajustar y mejorar las LLM's desarrolladas o implementadas.

• Adaptación a tareas específicas (dominios).
• Preparación de datos para ajuste de instrucciones.
• Ajuste fino de instrucción multitareaAjuste de instrucciones.
• Ajuste fino en una sola tarea.
• Evaluación del modelo.
• Puntos de referencia.
• Ajuste eficiente de parámetros (PEFT).
• Técnicas PEFT: LoRa e Indicaciones Suaves.
• Escalar modelos de instrucciones.
• Funciones de pérdida y optimización.
• Técnicas para reducir sesgos y control de output.

4.- Frameworks de Desarrollo de LLM's

En esta asignatura aprenderemos a entrenar y escalar los modelos de LLM desarrollado o implementado.

• Selección de Toolkit (LLaMa, Gemma, etc.).
• Preparación de datasets.
• Construcción de LLM específica con el marco.
• Configuraciones de entrenamiento.
• Escalado de modelos.

5.- Fine-Tuning

En esta asignatura aprenderemos las técnicas de ajuste fino en el LLM desarrollado o implementado.

• Fine-Tuning de LLM para tareas específicas.
• Ingenieria de prompts para una interacción LLM efectiva.

Este módulo explora las técnicas de Prompt Engineering y su aplicación en la generación de instrucciones y comandos para sistemas de IA.

• Fundamentos de Prompt Engineering.
• Diseño de prompts para tareas específicas en negocios.
• Casos prácticos de aplicación en la mejora de la comunicación con sistemas de IA.
• Evaluación y ajuste de prompts para optimizar resultados.
• Prompt Engineering avanzado.

En este módulo avanzado de LLM's explicamos la arquitectura RAG, el despliegue de LLM's y su integración en aplicaciones de terceros:

1.- Arquitectura RAG

En esta asignatura tenemos una comprensión profunda de la arquitectura RAG,  la arquitectura de software innovadora que facilita el desarrollo y la gestión de proyectos de IA complejos.

• Conceptos Claves en RAG.
• Ventajas de la Arquitectura RAG.
• Técnicas RAG.
• Construcción de sistemas RAG con LLM.
• Prompting y Ajuste fino para modelos RAG.

2.- Evaluación de Bias y Retroalimentación en LLM's

En esta asignatura aprenderemos como evaluar la Bias y retroalimentar la LLM.

• Métricas de evaluación (BLEU, ROUGE, etc.).
• Detección y mitigación de bias.
• Alinear modelos con valores humanos.
• Aprendizaje reforzado a partir de la retroalimentación humana (RLHF).
• RLHF: Obtención de retroalimentación de humanos.
• RLHF: modelo de recompensa.
• RLHF: Ajuste con aprendizaje por refuerzo.
• Optimización de políticas próximas.
• RLHF: Hackeo de recompensas.
• Ampliar la retroalimentación humana.

3.- Despliegue de LLM's

En esta asignatura aprenderemos cómo desplegar el LLM desarrollado o implementado en nuestra empresa.

• Optimizaciones de modelos para implementación.
• Desarrollo de Web API.
• Contenización.

4.- Despliegue de LLM's

En esta asignatura conoceremos cómo generar aplicaciones a partir de el LLM desarrollado o implementado en nuestra empresa.

• Generación de texto y escritura creativa.
• Resúmenes y preguntas-respuestas.
• Generación de código y asistencia.
• Traducción y adaptación lingüística.

5.- Usando LLM's en aplicaciones

En esta asignatura aprenderemos cómo usar el LLM's en aplicaciones en nuestra empresa.

• Interactuar con aplicaciones externas.
• Ayudar a los LLM a razonar y planificar con una cadena de pensamiento.
• Modelos de lenguaje asistido por programa (PAL).
• ReAct: Combinando razonamiento y acción.
• Arquitecturas de aplicaciones LLM.

6.- Ingeniería Responsable de LLM's

En esta asignatura aprenderemos ser ingenieros éticos en la programación y entrenamiento de LLM's.

• Equidad, sesgo y explicabilidad.
• Seguridad y uso indebido potencial.
• Gobernanza de LLM y uso ético.

En este módulo analizaremos las tareas, workflows, perfiles y calendarios de un proyecto de desarrollo de GenAI.

• Definición de tareas en el proyecto de GenAI.
• Planificación y Scheduling de tareas.
• Asignación de perfiles por tareas.
• gestión de recursos por tareas.
• Seguimiento y Control del proyecto.
• Comunicación y Colaboración de etapas del proyecto.

En este módulo explicamos como equiparar las habilidades y estrategias necesarias para llevar a cabo una prueba de concepto (POC) o un producto mínimo viable (MVP) de un proyecto de GenAI de manera eficiente y exitosa.

• Diferencias entre POC y MVP en GenAI.
• Objetivos de una POC/MVP en GenAI.
• Metodologías para la Definición de POC/MVP en GenAI.
• Planificación y Ejecución de una POC/MVP en GenAI.
• Evaluación y Aprendizaje de una POC/MVP en GenAI.

En este módulo se desarrollará un proyecto completo de ML, DL y LLM's.

• Desarrollo de aplicación completa con LLM.
• Curación de datasets, diseño de modelos, evaluación, frontend (si aplica).

> ¿Cómo funciona el programa?

Respuesta: Los programas de IEDGE Business School son online, prácticos, actualizados y con duración variable según el programa. La metodología de aprendizaje es muy cercana a los profesores, con las clases en directo, y, también con el contacto permanente con el tutor personal que se te asigne. Además, tienes un acceso 24 horas al Aula Virtual, dónde encontrarás un contenido actualizado complementario a las clases en directo, compuesto de Notas Técnicas, Vídeos, ejercicios, business cases y autotest.

> ¿Cuáles son los horarios de los programas?

Respuesta: Las sesiones en directo son a las 20h (ES) – 13h (MX, GT, HN, SV) – 14h ( PE, CO, EC, PA) – 15h (CHI, PY) – 16h (AR, UR, CHI, PY). Hay que tener en cuenta que hay países que cambian el horario en verano e invierno, pero los horarios buscan adecuarse a los alumnos de Europa y de América.

> ¿Cuánto duran las clases online?

Respuesta: Las clases en directo tienen una duración promedio de 1 hora, aunque cada profesor puede utilizar el tiempo que necesite según la asignatura que esté impartiendo.

> ¿Cuál es el calendario de clases?

Respuesta: Las clases en directo son martes o jueves y algunas semanas, martes y jueves. Semanalmente, publicamos en el Aula Virtual que día o días de semana hay clases. En el caso que no puedas asistir a las clases en directo, todas se graban y se suben al Aula Virtual. En ocasiones, y dependiendo de la agenda de cada profesor, pueden haber clases los miércoles. Las clases semanales se publican en el Aula Virtual para que cada alumno reciba un aviso en su correo electrónico o push notification en la aplicación mobile. Las tutorías personales son cuándo el alumno lo necesite en cualquier día de la semana, incluido sábados y domingos.

> ¿Duración del programa?

Respuesta: La duración del programa es de 11 meses, dependiendo de las actualizaciones que puedan aparecen durante cada edición del programa.

> ¿Cómo son las tutorías personales?

Respuesta: A cada alumno se le asigna un tutor personal. El tutor personal es uno de los profesores del curso que está a disposición de cada alumno los 7 días de la semana. Lo habitual es que el alumno y el tutor se comuniquen por WhatsApp, cuando el alumno lo requiera. En las tutorías se puede preguntar sobre el contenido del programa y, si el alumno lo desea, sobre cuestiones relacionadas con su trabajo diario o cómo el tutor implementaría una tarea. El tutor puede ser tu consultor particular.

> Si no me conecto a la clase en directo, ¿la pierdo?

Respuesta: Todas las clases en directo se graban y se suben al Aula Virtual para poder ver el vídeo las veces que sean necesarias.

> Si ya inició el curso, ¿Puedo entrar?

Respuesta: Depende, si el programa ha empezado esa semana, podemos dar acceso a esa edición. En el caso que haya pasado más tiempo, hablamos con cada lead para que decida si desea entrar en esa edición o en la siguiente.

> ¿Cómo funciona la plataforma?

Respuesta: IEDGE Business School es Academic Partner con Google. Toda la plataforma tecnológica que utilizamos es desarrollada y gestionada por Google. El Aula Virtual es Classroom que es una de las plataformas más utilizadas en el sector de formación online. Además desde IEDGE Business School utilizamos otras plataformas complementarias para las clases en directo, el repositorio de información o el sistema de avisos a alumnos. Cada alumno trabajará en un entorno sencillo de utilizar y pensado para aprovechar al máximo el aprendizaje online.

> ¿Es fácil usar la plataforma?

Respuesta: El Aula Virtual es muy intuitiva y sencilla de usar, es producto Google y tanto su acceso, usabilidad, arquitectura de información y experiencia de usuario está pensado para que cada alumno le pueda sacar el máximo rendimiento al contenido, las clases en directo y las tutorías personalizadas. Además, puedes acceder al contenido desde tu PC o con tu móvil a través de la app de Classroom para IEDGE Business School.

> ¿Cuánto tiempo voy a tener el acceso del contenido?

Respuesta: El acceso permanente durante la duración del programa. Si necesitas más tiempo, indícanoslo y te habilitaremos el acceso al aula una vez terminado el programa.

> ¿Cómo es el diploma?

Respuesta: El diploma de IEDGE Business School es un Título Privado, cómo es habitual en las más reconocidas Escuelas de Negocio internacionales.

> ¿La Titulación es válida en mi país?

Respuesta: Si, tu título en IEDGE Business School puede ser reconocido por el Ministerio de Educación de tu país gracias al sistema de convalidación a través del Convenio de la Haya. Está convalidación es voluntaria y requiere unos trámites administrativos oficiales en España que IEDGE Business School se encargaría de realizar. Si un alumno desea que realicemos los trámites de convalidación, hay unas tasas que se pagan aparte del precio de la matrícula. El precio de la tasa varía según el país del alumno. Para solicitar la convalidación es necesario contactar con Secretaría Académica de IEDGE Business School.

> ¿Cómo funcionan las becas?

Respuesta: IEDGE Business School tiene un programa de Becas por más de 10 años que ha sido aprovechado por más de 10000 alumnos. Desafortunadamente no todos los programas tienen Becas y se asignan a los mejores C.V. o alumnos con necesidades económicas. Para preguntas sobre el programa de Becas, pueden comunicarse con Laura.Rodriguez@iedge.eu, que es la persona que lidera el equipo de asignación de Becas.

> ¿El precio incluye el IVA?

Respuesta: Los precios no llevan IVA porque depende del país dónde te encuentres. En el caso que requieras una factura y dependiendo de donde sea tu razón social te aplicaremos el IVA de tu país.

> Si somos más alumnos de empresa ¿Hay descuento?

Respuesta: Los precios de los programas de IEDGE Business School ya está muy ajustados. Para paquetes de precios por número de alumnos para empresa, pueden comunicarse con Laura.Rodriguez@iedge.eu.

> ¿Cómo puedo pagar desde mi país?

Respuesta: Puedes pagar con tarjeta de crédito, de débito, con Google pay, con Apple pay o incluso con transferencias. Hemos habilitado un sistema de pagos internacional para que pagues en tu moneda y no tengas que preocuparte por los tipos de cambios, comisiones bancarias o restricciones de pagos internacionales. Trabajamos con algunas de las mayores entidades financieras como Banco Santander, BBVA, Stripe y Paypal.

> Ya me he matriculado... ¿Y ahora qué?

Respuesta: Una vez que te hayas matriculado y realizado el pago de la matrícula, te enviaremos tu usuario y password de acceso al Aula Virtual, dónde encontrarás el contenido del curso distribuido por módulos y asignaturas. En cada módulo podrás acceder a las Notas Técnicas, contenido audiovisual, ejercicios, business cases y autotest. Además, podrás revisar el calendario de las clases en directo para los próximos días. Paralelamente, tu tutor personal asignado se comunicará contigo para que empecéis a tener las primeras conversaciones y recomendaciones para sacarle el máximo provecho al programa.

> Me matriculé pero no pude dedicarle tiempo... ¿Puedo volver a realizar el curso?

Respuesta: Si, solo indícanoslo para poder revisar cada solicitud.

> Derecho de admisión

Respuesta: Los programas de IEDGE Business School tienen copyright en los contenidos que se suben al Aula Virtual. Por ello, IEDGE Business School se reserva el derecho de admisión. En el caso que un alumno haya pagado y desde IEDGE cancelemos la matrícula, se devolverá el dinero pagado menos los gastos que apliquen las entidades financieras que haya utilizado el alumno.