1. Introducción a las IA generativas (2 horas)
1.1. Conceptos fundamentales de IA generativa
1.2. Aplicaciones en las ciencias computacionales: materiales teóricos, prácticas de laboratorio, presentaciones y asistentes virtuales
1.3. Visión general de ChatGPT y otras IA generativas relevantes
2. Fundamentos de ChatGPT (2 horas)
2.1. Arquitectura y funcionamiento de ChatGPT
2.2. Entrenamiento y preprocesamiento de datos
2.3. Mejores prácticas para utilizar ChatGPT de manera efectiva
2.4. Exploración de otras IA generativas similares (por ejemplo, GPT-3, GPT-4, etc.)
3. Desarrollo de materiales teóricos de consulta (5 horas)
3.1. Generación de resúmenes y síntesis de documentos científicos
3.2. Creación de explicaciones y definiciones claras de conceptos complejos
3.3. Elaboración de manuales y guías de referencia utilizando IA generativa
3.4. Personalización del modelo para mejorar la calidad y precisión de los materiales generados
4. Diseño de prácticas de laboratorio (5 horas)
4.1. Creación de instrucciones y protocolos de experimentos
4.2. Generación de datos de prueba y casos de uso para prácticas de laboratorio
4.3. Desarrollo de materiales de apoyo para el aprendizaje práctico
4.4. Optimización de las prácticas mediante iteración y retroalimentación con el modelo generativo
5. Desarrollo de presentaciones de diapositivas (5 horas)
5.1. Generación automática de diapositivas a partir de contenido textual
5.2. Diseño de presentaciones atractivas y coherentes
5.3. Inclusión de gráficos, imágenes y otros elementos visuales generados por IA
5.4. Integración de contenido generado en tiempo real durante presentaciones interactivas
6. Asistentes virtuales basados en IA generativa (4 horas)
6.1. Implementación de asistentes virtuales conversacionales utilizando IA generativa
6.2. Diseño de flujos de conversación y respuestas personalizadas
6.3. Integración de asistentes virtuales en aplicaciones web y móviles
6.4. Mejoras y adaptaciones del modelo para optimizar la experiencia del usuario
7. Ética y consideraciones (1 horas)
7.1. Sesgo y equidad en IA generativa
7.2. Riesgos y desafíos éticos en el desarrollo y uso de estas tecnologías
7.3. Responsabilidad y transparencia en la implementación de IA generativa
8. Proyectos y ejercicios prácticos (5 horas)
8.1. Desarrollo de proyectos basados en la generación de materiales teóricos, prácticas de laboratorio y presentaciones de diapositivas
8.2. Experimentación con diferentes configuraciones y ajustes del modelo generativo
8.3. Evaluación y comparación de resultados generados por distintas IA generativas
9. Evaluación y cierre (1 horas)
9.1. Evaluación del conocimiento adquirido mediante exámenes y/o proyectos finales
9.2. Discusión de los desafíos encontrados durante el curso y posibles soluciones
9.3. Conclusiones y recomendaciones para futuras aplicaciones de IA generativa en ciencias computacionales