Curso online de 15 h de duración

 Contenidos:

Módulo 1: ¿Qué es realmente la IA? Desmitificando el hype

1.1 Historia de la IA: Un recorrido desde Turing hasta la actualidad en 10 minutos.

1.2 Tipos de IA: Diferencias clave entre la IA estrecha y la IA general.

1.3 El árbol genealógico: Explicación de Machine Learning, Deep Learning y LLMs.

1.4 Mitos y realidades: Análisis de lo que la IA aún no puede hacer.

1.5 Ejercicio práctico: Identificación de tipos de IA en aplicaciones cotidianas.

1.6 Evaluación: Quiz de conceptos del Módulo 1.

Módulo 2: Cómo piensan los modelos de lenguaje

2.1 Memoria de un LLM: Conceptos de Tokens y ventana de contexto.

2.2 Proceso de aprendizaje: Cómo aprende el modelo a través del entrenamiento y RLHF.

2.3 Comportamiento del modelo: Explicación de la temperatura, top-p y por qué ocurren las alucinaciones.

2.4 Comprensión: Embeddings y búsqueda semántica para entender significados.

2.5 Taller práctico: Experimentación con parámetros como la temperatura.

Módulo 3: El ecosistema de herramientas de IA en 2026

3.1 Mapa del mercado: Panorama de herramientas para texto, imagen, vídeo, voz, código y datos.

3.2 Comparativa de texto: Análisis entre ChatGPT, Claude, Gemini y Copilot.

3.3 Generación visual: Introducción a Midjourney, DALL·E y Stable Diffusion.

3.4 Multimedia y código: Herramientas para vídeo (Sora), voz (ElevenLabs) y código (GitHub Copilot).

3.5 Proyecto práctico: Selección de herramientas óptimas para casos de uso profesional.

Módulo 4: IA aplicada a tu sector profesional

4.1 Marketing y Comunicación: De la estrategia a la generación de contenido.

4.2 Educación y Formación: Personalización del aprendizaje y evaluación.

4.3 Finanzas y Operaciones: Automatización de procesos y análisis de riesgo.

4.4 Sectores críticos: Oportunidades y límites en salud, derecho y recursos humanos.

4.5 Debate estratégico: Estrategias y resistencias al implementar IA en equipos.

4.6 Proyecto de módulo: Creación de un plan de adopción de IA adaptado a tu área.

Módulo 5: Ética, riesgos y futuro de la IA

5.1 Responsabilidad: Detección y origen de los sesgos algorítmicos.

5.2 Marco legal: Privacidad, propiedad intelectual y regulación (EU AI Act y LATAM).

5.3 Prospectiva: Tendencias para 2026–2030, incluyendo agentes e IA multimodal.

5.4 Proyecto final integrador: Elaboración de un informe de IA para una organización.