Electivas¶
Las electivas son especializaciones opcionales. Se pueden intercalar cuando se cumplen sus prerrequisitos duros. No tienen lecciones numeradas: su desglose se define al elegirlas.
Qué es obligatorio y qué es electivo¶
Criterio de clasificación: es obligatorio lo que necesitás para usar la IA moderna profesionalmente o para construir con seguridad. Es electivo lo que constituye una especialización.
| Capacidad | Obligatorio (dónde) | Electivo |
|---|---|---|
| Entender la multimodalidad | Módulo 1 (L1.5.2), Módulo 3 (L3.6.1), Módulo 8 (L8.1.1) | — |
| Usar visión, documentos y voz | Módulo 3 (L3.6.1) | — |
| Usar agentes de navegador y de computadora con criterio y seguridad | Módulo 3 (L3.6.2) | — |
| Desarrollar agentes de navegador/computadora, voz en tiempo real, generación de imágenes | — | E1 |
| Panorama de modelos abiertos y ejecución local básica | Módulo 0, Módulo 1 (L1.5.3), Módulo 3 (L3.3.6) | — |
| Cuantización, servidores de inferencia y fine-tuning | Criterio de cuándo usarlo: Módulo 2, Módulo 8 (L8.3.4) | E2 |
| Privacidad, propiedad intelectual y políticas de uso | Módulo 3 (L3.8.1, L3.8.2), Módulo 16 (L16.1.5, L16.4.4) | — |
| Marco regulatorio en profundidad y evaluación de impacto | — | E3 |
E1 · Multimodalidad avanzada y agentes de computadora/navegador¶
12 h (4 h de teoría y 8 h de práctica)
- Prerrequisitos: Módulo 3 y Módulo 9 (duros).
- Contenido: cómo funcionan por dentro los agentes de navegador y de uso de computadora; construir uno en un entorno aislado; agentes de voz en tiempo real; generación de imágenes por API; extracción robusta desde documentos escaneados; riesgos específicos y mitigaciones.
- Práctica: agente que completa una tarea en un navegador aislado; pipeline de extracción desde PDF escaneados con visión.
- Aprobación: proyecto corto con análisis de riesgos.
E2 · Modelos abiertos, ejecución local y fine-tuning¶
22 h (8 h de teoría y 14 h de práctica)
- Prerrequisitos: Módulo 1 (duro), Módulo 8 (recomendado).
- Contenido: ecosistema de modelos abiertos y licencias; cuantización y requisitos de hardware; servidores de inferencia (Ollama, llama.cpp, vLLM); cuándo hacer fine-tuning (y cuándo no); LoRA/QLoRA; preparación de datasets; evaluación antes y después; destilación.
- Práctica: fine-tuning LoRA de un modelo pequeño en un entorno gratuito o de bajo costo y comparación con prompting y RAG.
- Aprobación: informe comparativo con métricas.
[Puede requerir GPU en la nube de bajo costo]
E3 · Ética, marco legal y gobernanza de IA¶
6 h (5 h de teoría y 1 h de práctica)
- Prerrequisitos: Módulo 3 (duro).
- Contenido: sesgos, transparencia y responsabilidad; propiedad intelectual y licencias de código generado (profundización de L3.8.2); protección de datos personales (la normativa del país de cada estudiante; por ejemplo, la Ley 25.326 de Argentina y su eventual actualización, con el GDPR como referencia); EU AI Act y clasificación de riesgo; políticas corporativas.
- Práctica: evaluación de impacto de uno de tus proyectos.
- Aprobación: documento de evaluación.
[Verificar el estado normativo vigente al preparar el módulo]