Curso de Inteligencia Artificial

Objetivos: Proporcionar una comprensión práctica de la IA generativa y restringida, con un enfoque en la preparación de datos empresariales y técnicas de ingeniería rápidas para el uso efectivo de herramientas de inteligencia artificial generativa, comprender los principios fundamentales que rigen el desarrollo y la implementación de la IA, aplicar la principios de ingeniería rápida y modelos GenAI, planificar un proyecto de IA limitado en un contexto empresarial, comprender los riesgos éticos y los desafíos operativos de la implementación de IA y evaluar la escalabilidad a largo plazo de los proyectos empresariales.
Introducción y desarrollo de la inteligencia artificial
La Inteligencia Artificial y el Marco Regulatorio Europeo [2h]:
-
Ilustrar el marco regulatorio europeo de AI ACT, con especial atención a su impacto para las empresas;
-
Proporcionar una visión general de la IA a través de sus fundamentos filosóficos, lógicos, matemáticos y estadísticos;
-
Estudios de casos y cuestionarios para evaluar la aplicación práctica de AI ACT
Introducción a la Inteligencia Artificial Estrecha [2h]
-
Campos de aplicación de la IA Limitados: centrarse en soluciones empresariales (previsión, análisis de datos, automatización);
-
AI Estudios de casos de negocios reales concretos
Preparación de datos empresariales para inteligencia artificial [3h]
-
Qué es un conjunto de datos y por qué es importante para la IA?;
-
Clasificación y categorización de datos: Tipos de datos:
o estructurados, no estructurados, semiestructurados;
o Técnicas de limpieza, normalización y enriquecimiento de datos;
-
Herramientas de preparación de datos: Excel, Python (pandas)
Ingeniería rápida para IA generativa [3h]
• Qué es la ingeniería rápida?
o Definición, rol y modelos generativos como GPT, DALL-E y otros;
o Diferencias entre AI NARROW y Generative (centrarse en la interacción mediante indicaciones)
• Estructuración de un mensaje de ingeniería:
o Técnicas básicas: claridad, contextualización, especificidad;
o Usar restricciones y comandos para obtener resultados específicos;
o Mensaje interactivo: probar y optimizar
• Aplicaciones empresariales GenAI:
o Generación automática de textos (correos electrónicos, informes);
o Análisis de datos con descripciones; o Automatización creativa (diseño, lluvia de ideas)
Integración de AI Narrow en procesos de negocio [3h]
• Cómo definir objetivos de negocio para un proyecto de IA:
• Estructuración de un proyecto: identificación de datos, elección del algoritmo e implementación; ejemplo práctico:
o Preparación de un conjunto de datos de la empresa;
o Creación de un modelo de clasificación de clientes; o Evaluación y presentación de resultados.
Integración de IA estrecha y generativa en procesos de negocio [3h]
• Estructurar un proyecto de IA completo: o Definición de objetivos de la empresa;
o Preparación de conjuntos de datos, elección de modelo (Estrecho o Generativo)
• Demostración práctica o Creación de un modelo de clasificación de datos;
o Uso de GenAI para análisis y presentación de resultados.
• Aviso de ingeniería avanzada:
o Diseño de indicaciones para casos de uso complejos;
o Análisis de casos de negocio: crear contenido personalizado, respuestas automatizadas
Aspectos éticos y escalabilidad de la IA [2h]
• Implicaciones éticas del uso de la IA: sesgo de datos, privacidad del cliente;
• Escalabilidad de los proyectos de IA en la empresa: herramientas e infraestructura necesarias
• Tendencias futuras: explicabilidad de la IA, automatización avanzada Prueba final: uso de AI
Narrow y GenAI para clasificar y analizar datos de la empresa [1h]
• Preparar un conjunto de datos comerciales y aplicar un modelo de clasificación;
• Crear un mensaje para generar información de datos automática (por ejemplo, resúmenes, sugerencias, etc.);
• Presentar resultados utilizando técnicas de Prompt Engineering y visualización de datos;
• Proyecto práctico con informe final;
• Certificado de finalización con insignia digital

El curso lo imparte Valeria Lazzaroli, economista, socióloga, gestora de riesgos y directora de IA, así como presidenta de la Agencia Nacional de Inteligencia Artificial y fundadora y directora de IA de una Spin-off Universitaria del Politécnico de Turín que desarrolla algoritmos de IA para soporte de la función de Gestión de Riesgos e Ingeniería de Riesgos.
Hoy cursa la especialización del estudio de Neurociencia para el desarrollo de algoritmos de IA para soportar riesgos psicosociales.
Es miembro del Comité del Capítulo Italia de GARP, Miembro del Comité Digital de FERMA, Comité Científico de CONSUMERISMO, Experto del Consejo de Valore Rischio e Sistemi, Profesor de la Universidad de Roma TRE para el Programa Ejecutivo de Gestión de Riesgos de FEDERMANAGER, miembro de la facultad de SOLE24 Ore Training.