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
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
Contenido del Curso
Course Reviews
No Reviews found for this course.