Fundamentos de IA Generativa
Dominio 1 del examen · Peso aproximado: 30% · Nombre oficial: Fundamentals of gen AI
Lecciones
Qué es la IA generativa y qué puede hacer
Reconocer cuándo un problema pide crear contenido nuevo, terreno de la IA generativa, y cuándo basta con ML predictivo o una API especializada, situando la IA generativa dentro de la jerarquía IA ⊃ machine learning ⊃ deep learning.
Aprendizaje supervisado, no supervisado y por refuerzo
Elegir entre aprendizaje supervisado, no supervisado y por refuerzo según los datos disponibles, etiquetados o sin etiquetar, y según el objetivo: predecir una salida conocida, descubrir patrones o aprender por recompensa.
Modelos fundacionales, LLM y modelos de difusión
Aprovechar un modelo fundacional existente, sea un LLM, un modelo multimodal o uno de difusión, y adaptarlo con prompt engineering o, si no basta, con prompt tuning, en lugar de construir un modelo propio.
El ciclo de vida de ML y sus herramientas en Google Cloud
Recorrer las cinco etapas del ciclo de vida de ML —ingesta, preparación, entrenamiento, despliegue y gestión— con las herramientas gestionadas de Google Cloud en lugar de construirlas y mantenerlas a mano.
Tipos de datos, calidad y accesibilidad
La calidad del dato —exactitud, completitud, consistencia y relevancia— y su accesibilidad —disponibilidad, usabilidad, formato adecuado y coste de acceso— condicionan el resultado de la IA generativa antes que la elección del modelo.
Las 5 capas del panorama de la IA generativa
Elegir la capa más alta de la pila de IA generativa —de infraestructura a aplicaciones— que cumple las restricciones del caso, para minimizar el esfuerzo de construcción sin perder el control necesario.
Gemini, Gemma, Imagen y Veo
Elegir entre Gemini y sus gamas, Gemma, Imagen y Veo con los criterios de selección de un modelo fundacional —modalidad, ventana de contexto, seguridad, disponibilidad y fiabilidad, coste, rendimiento y personalización— y las restricciones de despliegue.