IA Intermedia: Modelos, Razonamiento y Futuro

Volver a cursos y talleres

IA Intermedia: Modelos, Razonamiento y Futuro

Curso en línea

Información

Profesor: José Antonio Limas
Inicia: Lunes 20 de abril 2026
Horario: 18:00 a 20:00 h
Duración: 8 sesiones
Costo: $2,400.00
Dónde: Curso en línea
Ubicación: Zoom
Inscríbete Informes

Para más informes envía un correo a gabriela.hernandez@pendulo.com / cursos@pendulo.com

Público al que va dirigido

Profesionales de cualquier área (marketing, educación, salud, finanzas, arte)

Curiosos que ya usan IA y quieren saber más

Líderes que necesitan tomar decisiones informadas

Personas con criterio, no solo usuarios

Introducción

¿Qué aprenderás?

  • Lógica y funcionamiento real de los modelos de IA.
  • Técnicas de razonamiento: Chain of Thought, agentes y RAG.
  • Prompting avanzado para resultados de alta fidelidad.
  • Dilemas éticos fundamentales (y omitidos).
  • Perspectiva y futuro realista de la tecnología.

¿Por qué este curso es diferente?

  • No necesitas saber programar.
  • Enfoque en razonamiento y técnicas vigentes.
  • Ética como eje, no como un complemento.
  • Casos prácticos en cada sesión.

Objetivos:

  • Contextualizar el estado actual de la IA y sus modelos clave.
  • Entender la estructura interna de los modelos (sin código).
  • Explorar el razonamiento secuencial de la IA.
  • Dominar la interacción efectiva con modelos generativos.
  • Conocer la conexión de la IA con el mundo exterior.
  • Formar un criterio ético sobre el impacto de la tecnología.
  • Visualizar el futuro de la IA en la sociedad.
  • Fomentar la curiosidad y el estudio independiente.

Temario:

  • Sesión 1: El mapa de la IA: dónde estamos y hacia dónde vamos
    • Repaso rápido: ¿Qué es IA, ML, DL?
    • Modelos fundamentales hoy: LLMs, SLMs, modelos multimodales.
    • Dónde estamos realmente: mitos vs. realidades.
    • El ecosistema actual: OpenAI, Google, Anthropic, Meta, startups.
    • Ejemplo práctico: Comparación visual de respuestas entre GPT-4, Claude y Gemini ante una misma pregunta.
    • Duración: 2 h.
    • Material: Presentación, videos cortos, ejemplos en vivo (sin código).
  • Sesión 2: Modelos explicados: qué pasa dentro de una mente artificial
    • ¿Qué es un modelo fundacional (Foundation Model)?
    • Modelos grandes (LLMs) vs. pequeños (SLMs).
    • Modelos de propósito específico: RAG, agentes, visión, audio.
    • Cómo se entrena un modelo: datos, computación, alineación.
    • Ejemplo práctico: Mostrar cómo un mismo modelo responde diferente según su entrenamiento (versiones base vs. instruidas).
    • Duración: 2 h.
  • Sesión 3: Razonamiento IA: cómo las máquinas aprenden a pensar
    • Chain of Thought (Cadena de pensamiento).
    • Tree of Thoughts (Árbol de pensamientos).
    • Self-Consistency y autoevaluación.
    • Razonamiento simbólico vs. estadístico.
    • Ejemplo práctico: Comparar una pregunta lógica respondida sin y con Chain of Thought.
    • Duración: 2 h.
  • Sesión 4: Prompting profesional: el arte de hablar con la máquina
    • ¿Qué es un prompt y por qué importa?
    • Técnicas: Zero-shot, Few-shot, Role prompting.
    • Estructura de un buen prompt.
    • Errores comunes y cómo evitarlos.
    • Ejemplo práctico: Ejercicio grupal para mejorar prompts en vivo y observar cambios en las respuestas.
    • Duración: 2 h.
  • Sesión 5: Más allá del chat: RAG, agentes y memoria artificial
    • RAG: modelos que buscan información actual.
    • Agentes IA: autonomía, herramientas, planificación.
    • Memoria en IA: contexto, ventanas, memoria a largo plazo.
    • Ejemplo práctico: Simulación de un agente que consulta información externa (clima, finanzas, documentos).
    • Duración: 2 h.
  • Sesión 6: Ética incómoda: sesgos, privacidad y poder
    • Sesgos en modelos (raciales, de género, culturales).
    • Privacidad y datos personales.
    • Transparencia vs. cajas negras.
    • Regulación: Europa, USA, China.
    • Responsabilidad: ¿quién responde cuando la IA se equivoca?
    • Ejemplo práctico: Análisis de casos reales: errores de IA en salud, justicia y contratación.
    • Duración: 2 h.
  • Sesión 7: Futuros posibles: utopía, distopía y realismo
    • IA General (AGI): ¿mito o posibilidad real?
    • Modelos cada vez más pequeños y eficientes.
    • IA en el trabajo: ¿reemplazo o herramienta?
    • Escenarios: utopía, distopía y realismo.
    • Ejemplo práctico: Debate grupal: “¿Qué mundo queremos construir con la IA?”
    • Duración: 2 h.
  • Sesión 8: Cierre – De usuario a estratega: aplica lo aprendido
    • Resumen de todo lo aprendido.
    • Herramientas gratuitas para seguir practicando.
    • Cómo identificar noticias falsas sobre IA.
    • Espacio para preguntas y reflexiones finales.
    • Ejemplo práctico: Cada participante comparte una idea de aplicación de IA en tu campo.
    • Duración: 2 h.

Metodología

Las sesiones duran dos horas cada una y se componen de dos partes: teórica e interactiva. En la primera hora se analizan los conceptos básicos del tema de la sesión y se describen las características y sustento teórico generales. En la segunda hora se lleva a cabo una breve discusión de ideas. El tema principal se divide en dos partes por su extensión y a objeto de promover la investigación individual de los participantes. La primera aborda los fundamentos de la IA. La segunda muestra la aplicación y futuro de esta herramienta.

Observaciones

Es recomendable conocer el perfil de los asistentes previamente al curso para hacer los ajustes necesarios de los contenidos. Se recomienda homogeneizar en lo posible los niveles de educación para lograr una mayor efectividad.

Los participantes deberán tener una idea y conocimiento de la interacción humana con medios informáticos (Internet, Aplicaciones, etc.).

José Antonio Limas

Ingeniero en Comunicaciones y Electrónica por la ESIME y Licenciado en Matemáticas Aplicadas por la ESFM del IPN. Ha desarrollado, diseñado e implementado proyectos como el sistema de radiocomunicación nacional de FERRONALES, la Fonoteca Nacional, la Videoteca Nacional, AUDIOMASTER 3000, entre otros.

Ha sido miembro de la AES, IEEE, NAB y la IESA. Ha participado en publicaciones de la SEP, DGTEVE e ILCE principalmente en temas relacionados con videoservidores y traducido diversas guías de estándares para la migración de soportes audiovisuales.

Cuenta con certificaciones en Machine Learning, Artificial Intelligence y Ciencia de Datos de Universidad Anáhuac.Diffusion Models por Google. Participa en KAGGlE actualmente en donde se ha diplomado en Deep Learning, Computer Vision y modelos LLM.