Microcredencial en Uso Profesional de Inteligencia Artificial

FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL

Este módulo proporciona las bases necesarias para entender qué es la inteligencia artificial y cómo funciona realmente. A lo largo del mismo, se introducen los conceptos fundamentales del machine learning y del deep learning, así como el funcionamiento general de los modelos grandes de lenguaje (LLM por sus siglas en inglés, como ChatGPT) que están detrás de muchas de las herramientas actuales. El objetivo es comprender qué ocurre cuando interactuamos con estos sistemas, cómo se entrenan y qué factores influyen en los resultados que generan. Este conocimiento permite utilizarlos con mayor criterio, interpretar mejor sus respuestas y reconocer tanto su potencial como sus límites.

Resumen de los principales elementos:

• QUÉ CAMBIA REALMENTE CUANDO INTRODUCES IA EN TU TRABAJO
• INTRODUCCIÓN AL MACHINE LEARNING Y DEEP LEARNING
• INTRODUCCIÓN A LOS LLMS
• TRANSFORMERS Y ATENCIÓN
• ENCODERS, DECODERS, MUESTREO Y TEMPERATURA
• ENTRENAMIENTO Y EJEMPLOS

ÉTICA DE LA INTELIGENCIA ARTIFICIAL

Este módulo aborda las implicaciones éticas y sociales del desarrollo y uso de la inteligencia artificial. A partir de una perspectiva humanista, se analizan los valores y principios que deben orientar su diseño e implementación, así como los principales riesgos asociados a su adopción. Se estudian cuestiones como los sesgos algorítmicos y la equidad, y se exploran posibles soluciones técnicas y organizativas para promover una IA más justa y responsable. El objetivo es dotar al estudiante de herramientas conceptuales y criterios sólidos para evaluar críticamente el impacto de estas tecnologías y tomar decisiones informadas en su utilización.

Resumen de los principales elementos:

• IA Y HUMANISMO
• VALORES, PRINCIPIOS Y REQUISITOS DE LA IA
• RIESGOS DE LA IA
• SESGOS DE LA IA E INTERSECCIONALIDAD
• SOLUCIONES TÉCNICAS PARA UNA IA JUSTA

APLICACIONES DE LA INTELIGENCIA ARTIFICIAL

Este módulo se centra en la dimensión aplicada de la inteligencia artificial y en su integración estratégica en el trabajo académico y en el desarrollo profesional. A lo largo del mismo, se analizan herramientas y agentes de IA, se profundiza en técnicas de prompting y se exploran usos concretos orientados al estudio, la resolución de problemas y la generación estructurada de contenidos. Se abordan también aplicaciones para la investigación, la búsqueda y el análisis de información, la elaboración de presentaciones, la creación de materiales audiovisuales y digitales, así como la automatización de procesos.

El módulo busca promover una utilización avanzada y consciente de estas herramientas como elemento de diferenciación académica y profesional. Integrar la IA con criterio, optimizar procesos y evaluar críticamente sus resultados permite elevar la calidad del trabajo y adoptar un papel más proactivo en entornos cada vez más digitalizados. El objetivo es que el estudiante incorpore la IA como un recurso estratégico que contribuya a fortalecer su perfil y a ejercer un liderazgo sólido y responsable.

Resumen de los principales elementos:

• PROMPTING
• IA PARA LA INVESTIGACIÓN
• IA PROFESIONAL (PRESENTACIONES, VÍDEOS, CV, WEBS…)
• IA – AGENTES
• AUTOMATIZACIONES

TEMAS AVANZADOS DE LA IA

Este módulo introduce al estudiante en una dimensión más técnica de la inteligencia artificial, ofreciendo una comprensión práctica de cómo interactuar con modelos y sistemas a través del código. Mediante una introducción a Python y ejercicios aplicados, se trabajan ejemplos que permiten entender cómo se invocan modelos, cómo se estructuran las solicitudes y cómo integrar estos recursos en desarrollos sencillos y funcionales.

El propósito es proporcionar las herramientas necesarias para ganar autonomía, comprender mejor el funcionamiento interno de las aplicaciones y ampliar las posibilidades de uso de la IA más allá de las interfaces habituales. De este modo, el estudiante adquiere una mayor independencia en el uso de estas tecnologías y una comprensión más profunda de su funcionamiento.

Resumen de los principales elementos:

• INTRODUCCIÓN Y PRÁCTICAS CON PYTHON
• EJEMPLOS DE APLICACIÓN