El curso de  Introducción a la Inteligencia Artificial con Python, ChatGPT y Otros Modelos de Lenguaje, ofrece una formación integral, desde fundamentos hasta aplicaciones prácticas, combinando IA, Python, Linux y herramientas modernas para el desarrollo de soluciones tecnológicas avanzadas. Esta dirigido a estudiantes y profesionales que deseen conocer el uso e implementación de la inteligencia artificial desde un punto de vista técnico e integración con sus sistemas para aprovechar ChatGPT y otros motores de I.A.

El curso consta de 2 módulos

Módulo I: Fundamentos Básicos

Este módulo introductorio cubre los conceptos esenciales de la inteligencia artificial (IA), incluyendo su historia, fundamentos matemáticos y disciplinas relacionadas como el aprendizaje automático y profundo. Se exploran modelos de lenguaje como los de OpenAI y se realizan actividades prácticas con herramientas como Git/GitHub y sistemas GNU/Linux en un entorno VPS (gestión de procesos, seguridad, configuración de servidores).

Además, se introduce la programación en Python (desde sintaxis básica hasta programación orientada a objetos) con ayuda de IA para generación y depuración de código, culminando en un proyecto de microservicio para credenciales seguras. Finalmente, se abordan bases de datos relacionales (SQL y PostgreSQL) y su integración con Python mediante SQLAlchemy y Django.

Módulo II: Aprendizaje Profundo y Aplicaciones Prácticas

Este módulo profundiza en conceptos avanzados como espacios n-dimensionales, embeddings, procesamiento de datos (tokenización, TF-IDF) y arquitecturas clave (Transformers, CNNs, RNNs). También cubre técnicas de entrenamiento, fine-tuning y ingeniería de prompts (zero-shot, few-shot).

Se trabaja con bibliotecas como NumPy y Pandas para manipulación de datos, y se enseña a orquestar modelos de lenguaje (OpenAI, Groq, Ollama) en proyectos como un bot de Telegram. Finalmente, se utiliza FastAPI para desplegar microservicios de IA, integrando bases de datos, APIs y Docker en un flujo profesional de desarrollo.

Calendario y Costo:
Duración:  72 horas, 12 semanas
Horario:     Sábados de 15:00 hrs. a 21:00 hrs; UTC -5 (Lima/Bogotá/Quito)
Inicio:         sábado, 16 agosto, 2025
Lugar:        Videoconferencia en vivo con Hangouts  y asistencia en tiempo real con anydesk

Costo del Curso:
$560 USD+IGV

Válido solo para personas naturales.

Por empresa contactarse a informes@aulautil.com para solicitar su cotización.

Informes e Inscripciones:

WhatsApp 1: +51 923346146

informes@aulautil.com

Puede realizar sus pagos en las cuenta a nombre de Cloud Perú Systems E.I.R.L.
BCP Soles: 193-2269973-018 CCI: 00219300226997301814
Cuenta de detracción Bco. de la Nación: 00057050292

Requisitos Previos:
Conocimientos básicos de Linux y Programación

Materiales:

– Videoconferencia con Jitsi Meet
– Asistencia en tiempo real con AnyDesk
– Asistencia Online (foros) en campus virtual de forma permanente
– Todas las clases se graban y se comparten por YouTube Private
– Incorporación gratis al WhatsApp exclusivo del grupo del curso
– Certificado con valor curricular
– 1 Servidor VPS con Ip pública para cada alumno

Syllabus del Curso de Introducción a la Inteligencia Artificial con Python, ChatGPT y Otros Modelos de Lenguaje – Módulo 1 (Videoconferencia).

 Introducción y conceptos básicos

– ¿Qué es ingeniería?
– ¿Qué es inteligencia artificial?

– Hitos más importantes en la historia de la Inteligencia Artificial

– ¿Qué subdisciplinas de la matemática se aplican directamente al estudio de la Inteligencia Artificial?

– ¿Qué es el Aprendizaje Automático y en qué grandes categorías conceptuales se divide su estudio?

– ¿Qué son las redes neuronales?

– Hitos más importantes en la historia de las redes neuronales

– ¿Qué es el aprendizaje profundo?

– ¿Cómo se clasifican los modelos de aprendizaje profundo de la actualidad?

– ¿Cuáles son las principales arquitecturas que se aplican a la construcción de modelos de aprendizaje profundo?

– Caso de estudio: Evolución de la familia de modelos de lenguaje de OpenAI

– Actividad práctica: empleo de un modelo de aprendizaje profundo multimodal

– Actividad práctica: Uso básico de Github y Git

Competencias básicas utilizando un VPS con Linux

– Reseña histórica de los sistemas operativos compatibles con UNIX

– ¿Qué es Linux? ¿Qué es GNU? ¿Qué es Software Libre? ¿Qué es Código Abierto?

– ¿Qué son las distribuciones de Linux? ¿Cuáles son las más populares para el desarrollo y despliegue de sistemas de software incluyendo sistemas que incorporan inteligencia artificial?

– Conceptos elementales de redes en ambientes de Internet: protocolo TCP/IP, dirección IP, el concepto de puerto, ping, DNS, FTP, SSH, SCP, HTTP y sus principales versiones

– Acceso remoto al VPS desde la línea de comandos

– Entendiendo el kernel y los programas del espacio de usuario

– Navegando y entendiendo la estructura de carpetas de un sistema GNU/LInux

– Gestionando archivos y permisos

– Gestionando procesos

– Trabajando con tuberías, redirecciones y logs

– Empleo básico de los editores Nano y VIM

– Información del sistema y gestión de cuentas de usuario

– Instalación, gestión y configuración de paquetes de software

– Proyecto práctico: instalación de un servidor web y configuración de una página web estática con certificados digitales gratuitos

Gestión de la seguridad de un VPS con Linux

– Inspección y configuración de las direcciones IPs

– Encontrando tu IP pública y privada

– Escaneo de puertos de forma local y remota

– Inspección y gestión de los servicios en ejecución

– Gestión básica de cortafuegos

– Entendiendo las opciones de configuración del servicio SSH

– Autenticación utilizando llaves

– Deshabilitando el acceso local y remoto a la cuenta root

– Explorando el nivel de utilización de recursos en el VPS

– Proyecto práctico: asegurar la seguridad del VPS configurando llaves de SSH, modificando los puertos de los servicios y configurando el cortafuegos

Programación con Python asistida por un modelo de lenguaje

– Instalación de paquetes para desarrollo y dependencias

– Instalación de versiones de Python con la herramienta asdf

– Uso de modelos de lenguaje para generar y explicar código Python

– Sintaxis y tipos de datos

– Estructuras de control

– Funciones y módulos

– Programación orientada a objetos

– Uso del intérprete de Python y ejecución de scripts

– Exploración de la biblioteca estándar

– Depuración de código con asistencia de IA

– Proyecto práctico: construcción de un microservicio para la generación en lotes de contraseñas, identificadores únicos y secretos criptográficos

Introducción al SQL y la gestión de bases de datos con PostgreSQL

– Conceptos básicos de bases de datos relacionales y SQL

– Escritura de consultas

– Uniones entre tablas

– Filtrado y agregación

– Uso de PostgreSQL con Python

– Almacenamiento de datos para IA en PostgreSQL

– Uso de IA para escribir y depurar consultas SQL

– Optimización de rendimiento

– Proyecto práctico: script generador de reportes utilizando SQLAlchemy Core

– Proyecto práctico: CRUD utilizando Django, el ORM de Django y Django Admin

Syllabus del Curso de Introducción a la Inteligencia Artificial con Python, ChatGPT y Otros Modelos de Lenguaje – Módulo 2 (Videoconferencia).

Conceptos relevantes en el trabajo con modelos de aprendizaje profundo

– Fundamentos matemáticos y representaciones: Espacio n-dimensional, Espacio latente, Vector, Embedding, Distancia euclidiana, Producto escalar, Transformada de Fourier.
– Procesamiento de datos en modelos multimodales: Token, Tokenización, One-hot encoding, Bag of Words (BoW), TF-IDF (Term Frequency – Inverse Document Frequency).

– Elementos arquitectónicos de modelos de IA: capa de embeddings, Transformers, Mecanismo de atención, Self-Attention, Multi-Head Attention, Redes convolucionales (CNNs), Redes recurrentes (RNNs, LSTMs, GRUs)

– Optimización y entrenamiento de modelos: Descenso de gradiente, Backpropagation, Función de activación, Regularización, Overfitting, Underfitting, Fine-tuning.

– Representación del lenguaje y técnicas de modelado: Word Embeddings, Word2Vec, GloVe, FastText, Codificadores de texto, Decodificadores de texto, Modelos autorregresivos.

– Representación de imágenes y señales: Mapas de características, Extracción de características, Reducción de dimensionalidad, Representación espectral, Procesamiento de señales, Fourier inversa.

– Ingeniería de prompts: Zero-shot, Few-shot, Chain-of-Thought (CoT), Self-Consistency. ReAct, Persona Prompting,  Prompts del usuario vs prompts de sistema

Introducción a Numpy y la gestión numérica de datos aplicada a la ingeniería de IA

– ¿Por qué usar NumPy?

– Entendiendo la diferencia entre Arrays y Listas

– Creación y manipulación de Arrays

– Indexación y slicing

– Operaciones matemáticas elementales

– Funciones estadísticas

– Normalización y escalado de datos para IA

– Trabajo con matrices y productos punto

– Conversión entre NumPy, Pandas y tensores de AI

Introducción al procesamiento e ingeniería de datos aplicada a la IA utilizando Pandas

– Cargar e inspeccionar datos

– Indexación y selección de datos

– Filtrado y ordenamiento

– Manejo de datos faltantes

– Agrupación y agregación

– Unión de datasets

– Exportación de datos

– Uso de IA para generar y optimizar consultas en Pandas

Introducción a la orquestación de modelos de lenguaje con Python

– Diferencias entre modelos alojados en la nube vs. modelos locales.

– Introducción a APIs de LLM: OpenAI, Groq y modelos autoalojados

– Consideraciones clave: latencia, costo, privacidad y escalabilidad.

– Herramientas clave en Python: requests, LangChain, FastAPI

– Uso de la APIs de OpenAI y DeepSeek

– Consumo de servicios de inferencia con modelos de código abierto a través del servicio Groq

– ¿Qué es Ollama y cómo permite correr modelos de lenguaje en local?

– Instalación y configuración de Ollama en Linux/MacOS/Windows

– Descarga y uso de modelos

– Proyecto práctico: conectando un modelo de lenguaje hospedado de manera local con un bot de Telegram a través de ngrok

Introducción a FastAPI y a la construcción y despliegue de microservicios para IA

– Configuración de FastAPI y ejecución de un servidor

– Creación de endpoints

– Manejo de peticiones y respuestas en formato JSON

– Conexión de FastAPI con PostgreSQL

– Desplegar modelos de IA vía API

– Uso de inyección de dependencias para código limpio

– Containerización de FastAPI con Docker, Alpine y Nginx

– Proyecto práctico: microservicio propio empleando ingeniería de prompts