FastAI simplifica el desarrollo de modelos de aprendizaje profundo, permitiendo entrenar redes neuronales con menos código. Se introduce la evolución desde redes neuronales simples hasta redes convolucionales (CNN) y la comparación entre PyTorch y TensorFlow.
El módulo cubre la arquitectura de Transformers, fundamentales para modelos como BERT y GPT, además del uso de herramientas como LangChain y RAG para mejorar la eficiencia en el entrenamiento de modelos. Se analizan casos de uso y aplicaciones en visión artificial y procesamiento de lenguaje natural.
Los estudiantes realizan prácticas en el ajuste y optimización de modelos, explorando cómo los frameworks modernos pueden agilizar el desarrollo de aplicaciones avanzadas en IA.
Temario:
- Comprensión de las redes neuronales.
- Comprensión de la evolución hacia las redes convolucionales (CNN).
- Las Transformers.
- RAG, Langchain y otras herramientas de uso rápido frente a fastai/torch.
- Introducción a la visión Artificial con Fastai (no es Yolo, no es OpenCV).
- Reconocimiento de voz (ejemplo útil).
- Modelos de lenguaje desde abajo.
- Optimizando los procesos de IA.
- Modelando problemas del mundo real para la IA.
- Ejemplo 1: TBD.
- Ejemplo 2: TBD.