“Del Machine Learning a la IA Generativa”
Este curso pretende ofrecer un enfoque integral, combinando teoría e práctica para que as persoas participantes comprendan, deseñen e implementen solucións de IA en diversos contextos. Será en formato presencial e terá unha duración total de 12 horas, distribuídas en 4 sesións de 3 horas cada unha.
- Datas: 20, 22, 27 e 29 de maio de 2025
- Horario: de 15:00 a 18:00 h.
- Lugar: Sala Acristalada, A010
- Idioma: Castelán
- Imparte: Mateo Ramos, Lead Data Scientist en Imatia
Bio de Mateo Ramos: Enxeñeiro de Telecomunicacións (2014) e Doutor en Tecnoloxías da Información e Comunicacións (2020) pola Universidade de Vigo. A súa traxectoria profesional e académica céntrase na Intelixencia Artificial, o modelado de procesos no ámbito médico e o process mining. Publicou artigos científicos en revistas internacionais de alto impacto e impartiu diversos cursos de temáticas relacionadas coa Intelixencia Artificial. En 2020, fundou Datasalus, unha startup dedicada á análise de datos médicos. Máis tarde, uniuse a Ancora Mobile SL para liderar o desenvolvemento de chatbots intelixentes baseados en LLMs para o sector industrial. Actualmente, é Lead Data Scientist en Imatia, onde deseña solucións de Intelixencia Artificial para p procesamento de grandes volumes de datos estruturados e non estruturados.
Obxectivo do curso:
Este curso está deseñado para desenvolver competencias clave en Intelixencia Artificial, abordando desde os fundamentos do Machine Learning ata as aplicacións avanzadas da IA xerativa con LLMs. Exploraranse tamén tecnoloxías esenciais como a minería de procesos, cun enfoque práctico e equilibrado para distintos perfís.
Contidos:
– Fundamentos de Intelixencia Artificial: Conceptos clave, aplicacións e consideracións éticas.
– Machine Learning: Principais retos, desenvolvemento de proxectos, técnicas de testeo e validación.
– Minería de Procesos: Modelado, tipos, desafíos e ferramentas especializadas.
– IA Xerativa e LLMs: Principios, aplicacións e desenvolvemento de casos prácticos.
Actividades:
– Análise de casos de uso para diversas tecnoloxías.
– Desenvolvemento de proxectos prácticos con modelos de Machine Learning.
– Implementación e probas de LLMs en contornas locais.