1. ¿Qué es el Deep Learning?
  2. Redes neuronales artificiales
  3. Funciones de activación
  4. Entrenamiento de redes neuronales
  5. Representaciones en IA
  6. Overfitting y generalización
  7. Herramientas y frameworks

  1. Estructura de una red neuronal profunda
  2. Capas y organización de las redes neuronales profundas
  3. Entrenamiento paso a paso en redes neuronales profundas
  4. Retos del entrenamiento profundo
  5. Estrategias avanzadas para superar los retos del entrenamiento profundo
  6. Evaluación y métricas de rendimiento en redes profundas
  7. Interpretación de resultados y mejora continua

  1. Arquitectura del Transformer: componentes y funcionamiento
  2. Decoder
  3. El mecanismo de atención en detalle

  1. Técnicas de entrenamiento y transformación de Transformers ... 115
  2. Fine tuning de Transformers
  3. Regularización en Transformers
  4. Optimización en Transformers
  5. Transfer Learning en Transformers
  6. Distillation en Transformers
  7. Adapters en Transformers
  8. Prompt Tuning en Transformers

  1. Definición técnica del FineTuning
  2. Estrategias de Fine-Tuning
  3. Ejemplos prácticos de estrategias de fine-tuning

  1. Lenguaje: mucho más que palabras
  2. Modelos clave en Procesamiento de Lenguaje Natural (PLN)
  3. Visión: cuando las imágenes hablan
  4. Audio: cuando las máquinas aprenden a escuchar

  1. La paradoja de la conversación artificial
  2. Conversar: la creación de un escenario
  3. La importancia del tono y la intención
  4. La interacción como danza
  5. El poder de la metáfora
  6. Conversar para construir conocimiento
  7. El riesgo de la superficialidad
  8. Conversar como acto humano (versión ampliada y humanizada)

  1. El nacimiento de los Transformers
  2. La arquitectura: bloques que piensan en paralelo
  3. Aplicaciones prácticas
  4. El proceso de desarrollo
  5. Humanizar el desarrollo
  6. Retos y riesgos
  7. El futuro de los sistemas inteligentes