Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Introducción a la IA multimodal
- Comprensión de los datos multimodales
- Conceptos clave y definiciones
- Historia y evolución del aprendizaje multimodal
Procesamiento de datos multimodal
- Recopilación y preprocesamiento de datos
- Extracción de características de diferentes modalidades
- Técnicas de fusión de datos
Aprendizaje de representación multimodal
- Aprendizaje de representaciones conjuntas
- Incrustaciones intermodales
- Transferir el aprendizaje entre modalidades
Alineación y traslación multimodal
- Alineación de datos de varias modalidades
- Sistemas de recuperación intermodales
- Traducción entre modalidades (p. ej., texto a imagen, imagen a texto)
Razonamiento multimodal e inferencia
- Lógica y razonamiento con datos multimodales
- Técnicas de inferencia en IA multimodal
- Aplicaciones en respuesta a preguntas y toma de decisiones
Modelos generativos en IA multimodal
- Redes generativas adversarias (GAN) para datos multimodales
- Autocodificadores variacionales (VAE) para la generación intermodal
- Aplicaciones creativas de la IA generativa multimodal
Técnicas de fusión multimodal
- Métodos de fusión temprana, tardía e híbrida
- Mecanismos de atención en la fusión multimodal
- Fusión para una percepción e interacción robustas
Aplicaciones de la IA multimodal
- Interacción multimodal hombre-ordenador
- IA en vehículos autónomos
- Aplicaciones sanitarias (p. ej., imágenes y diagnósticos médicos)
Consideraciones éticas y desafíos
- Sesgo y equidad en los sistemas multimodales
- Problemas de privacidad con los datos multimodales
- Diseño ético y despliegue de sistemas multimodales de IA
Temas avanzados en IA multimodal
- Transformadores multimodales
- Aprendizaje autosupervisado en IA multimodal
- El futuro del aprendizaje automático multimodal
Resumen y próximos pasos
Requerimientos
- Conocimientos básicos de inteligencia artificial y aprendizaje automático
- Competencia en Python programación
- Familiaridad con el manejo y preprocesamiento de datos
Audiencia
- Investigadores de IA
- Científicos de datos
- Ingenieros de aprendizaje automático
21 Horas