Contenido del programa
Qué dominarás.
Objetivo de aprendizaje: Trabajar con imagen, audio y video, y con generación: visión moderna (ViT), diffusion models y modelos multimodales (visión+lenguaje).
- Visión moderna: CNN avanzadas, Vision Transformers (ViT), detección/segmentación (SAM)
- Generación de imagen: GANs y diffusion (Stable Diffusion), guía práctica
- Multimodal: CLIP, visión+lenguaje, LLMs multimodales; audio y video (panorama)
- Document AI y aplicaciones: OCR+layout, extracción de datos; ética de deepfakes
Temario semana a semana
- W1Visión moderna: CNN avanzadas, Vision Transformers (ViT), detección/segmentación (SAM)
- W2Generación de imagen: GANs y diffusion (Stable Diffusion), guía práctica
- W3Multimodal: CLIP, visión+lenguaje, LLMs multimodales; audio y video (panorama)
- W4Document AI y aplicaciones: OCR+layout, extracción de datos; ética de deepfakes
11
Sesiones en vivo
33
Horas totales
11 May
Inicio · 2027
USD $3,200 + TAX
Inversión
