Generative AI Professional Certification

Construir el vocabulario base y distinguir IA, machine learning, deep learning e IA generativa sin tecnicismos innecesarios.

• Qué es la IA: historia, evolución y contexto actual
• Diferencias entre IA, machine learning, deep learning y generativa
• IA estrecha frente a IA general

Reconocer los modelos y plataformas disponibles por tipo de salida y las vías de acceso a cada uno.

• Modelos de lenguaje: GPT, Bard y LLaMA
• Generadores de imágenes: DALL-E, MidJourney y Stable Diffusion
• Video y voz generativa: Synthesia, ElevenLabs y Runway
• Plataformas de uso y APIs de acceso

Entender a alto nivel cómo aprenden las máquinas y por qué el deep learning habilitó a los modelos generativos.

• Aprendizaje supervisado, no supervisado y por refuerzo
• Redes neuronales y su rol en la IA generativa
• Modelado de datos y entrenamiento de modelos

Identificar dónde la IA generativa aporta valor real en tareas cognitivas, contenido y entornos de trabajo.

• Automatización de tareas cognitivas
• Personalización de experiencias
• Creación de contenido y soluciones creativas
• Optimización en entornos laborales

Reconocer los riesgos de manipulación de contenido, privacidad y sesgo, y el marco ético para contenerlos.

• Deepfakes, desinformación y manipulación de contenido
• Riesgos de privacidad y sesgos algorítmicos
• Marco ético: transparencia, responsabilidad y gobernanza

Conocer las etapas de un proyecto de IA y cómo evaluar su impacto antes de escalarlo a toda la organización.

• Etapas: recolección, limpieza, modelado e implementación
• Diseño de flujos de trabajo con IA
• Indicadores clave y evaluación del impacto

Situar los avances recientes y su efecto sobre el mercado laboral, la educación y el rol profesional.

• Modelos multimodales y avances recientes
• Capacidades emergentes de los modelos generales
• Impacto en el mercado laboral y en la educación
• El rol del profesional en la era de la IA