Fundamentos de Inteligencia Artificial, Prompts y Agentes (TLG)

Identificar las diferentes definiciones relacionadas con Ciencia de Datos e IA, los casos de éxito de IA, casos de uso de IA y su impacto en las organizaciones, las tendencias de IA y de los elementos de una estrategia de IA para desarrollar una organización eficiente basada en IA para tener un marco de referencia común en las organizaciones. Definir el nivel de impacto de casos de uso de IA en su organización para cumplir con los requerimientos de la estrategia de negocio, por ejemplo disminuir costos, aumentar clientes, mejorar la experiencia del usuario, mejorar el uso de activos, etc., así como desarrollar la estrategia de IA de la organización.

Ilustrar cómo diseñar, refinar y optimizar prompts para interactuar con modelos de IA generativa. Construir prompts eficientes para obtener respuestas de la IA generativa más precisas.

Interpretar programas enfocados en la exploración de datos para optimizar el análisis o modelado, mediante enfoques univariados y bivariados, permitiendo la identificación de patrones, anomalías, desbalance de datos y, en general, favoreciendo un entendimiento más profundo del conjunto. Aplicar técnicas de exploración de datos, utilizando enfoques univariados y bivariados, para detectar anomalías, identificar patrones, desbalance y posibles estrategias de transformación, que optimicen en el análisis y la modelación.

Identificar las metodologías para la selección de características observables más relevantes para la visualización o para el mejoramiento la exactitud y/o precisión de un modelo de datos. Diseñar las características observables más relevantes para la visualización o para el mejoramiento de la exactitud y/o precisión de un modelo de datos.

Identificar las etapas del pipeline de ML (Machine Learning) que se automatizan con AutoML para diferentes herramientas. Identificar las etapas del pipeline de ML (Machine Learning) que se automatizan con AutoML para diferentes herramientas.