Todos los campos de la inteligencia artificial

Formación en inteligencia artificial

Explora todos los campos de la inteligencia artificial: IA generativa, aprendizaje automático, creación digital, software, agentes, derecho y aplicaciones sectoriales. Crea una ruta adaptada a tus objetivos entre 60 módulos de 12 áreas temáticas.

Para la planificación, se toma como base una jornada de 5 horas de formación efectiva, sin contar las pausas ni el almuerzo. Horario de ejemplo: de 09:30 a 16:00, con 90 minutos de descanso en total. La duración diaria y los horarios se acuerdan conjuntamente según las necesidades y el calendario de la organización.

Todos los campos de la inteligencia artificial

Elige un área para consultar sus módulos. Además de los programas propuestos, el catálogo incluye formaciones independientes y laboratorios de profundización.

Rutas de formación propuestas

1 día para una visión general, 2 días para practicar con IA generativa y 5 días para un programa que abarca los principales campos de la IA. Cada ruta tiene su propia distribución diaria y público objetivo.

1 día5 horas · de formación efectiva

Panorama de la inteligencia artificial

Conoce los principales campos de la IA, los modelos generativos y el ecosistema de herramientas. Prueba la redacción de prompts, define pautas de uso seguro y tu ruta personal de aprendizaje.

¿A quién se dirige?: Profesionales, directivos, educadores y equipos principiantes que quieren comprender el mundo de la IA.
Requisitos previos: Uso básico del ordenador. No requiere conocimientos de programación.
Resultados previstos: Un mapa de los campos de la IA, un prompt probado, una lista de comprobación de uso seguro y un plan personal de aprendizaje.

Ver las sesiones de cada día

Día 1 · El mundo de la IA, sus herramientas y primeros pasos seguros

5 horas · de formación efectiva

Alfabetización en IA y su evolución30 min · Conceptos y debate
Campos de la IA y conceptos fundamentales30 min · Conceptos y debate
¿Cómo funcionan los grandes modelos de lenguaje?30 min · Demostración y evaluación
Taller básico de prompt engineering1 hora · Práctica guiada
Ecosistema de herramientas de IA y uso multimodal45 min · Demostración y evaluación
Uso seguro, fuentes y revisión de resultados45 min · Práctica guiada
Transformación del trabajo y casos de uso de IA30 min · Conceptos y debate
Ruta personal de práctica y aprendizaje30 min · Práctica guiada

Opciones de herramientas

Mapa temático, pizarra o Miro; opción de plantilla impresa
Un asistente autorizado: ChatGPT, Claude, Gemini o Microsoft 365 Copilot, elegido según la tarea y el acceso disponible
Ejemplos de imágenes, vídeo y audio preparados por el formador; breve generación en directo según la cuota disponible
Listas preparadas de evaluación, fuentes y uso seguro
Word o Google Docs

2 días10 horas · de formación efectiva

IA generativa en la práctica

Una ruta creativa que va del texto y los prompts avanzados a la imagen, el vídeo, la música, el audio y el diseño web y móvil. Las sesiones de vídeo y audio consisten en demostraciones del formador y evaluación de resultados; se pueden elegir por separado talleres de producción más largos.

¿A quién se dirige?: Creadores de contenido, equipos de marketing y comunicación, educadores, emprendedores y profesionales que usarán IA en tareas creativas.
Requisitos previos: Uso básico de herramientas digitales, brief preparado y cuentas autorizadas. No es necesario que cada participante tenga una cuenta de pago para las demostraciones de vídeo y audio.
Resultados previstos: Un conjunto de prompts, borradores de textos e imágenes, ejemplos de vídeo y audio evaluados, bocetos de pantallas web y móviles, y la mejora de un único resultado elegido.

Ver las sesiones de cada día

Día 1 · IA generativa, prompts y bases de la creación de contenido

5 horas · de formación efectiva

Alfabetización en IA y su evolución30 min · Conceptos y debate
¿Cómo funcionan los grandes modelos de lenguaje?30 min · Demostración y evaluación
Taller básico de prompt engineering1 hora · Práctica guiada
Uso seguro, fuentes y revisión de resultados45 min · Práctica guiada
Creación de textos, comunicación y contenidos1 hora · Práctica guiada
Prompts avanzados, cadenas de tareas y biblioteca1 hora 15 min · Práctica guiada

Día 2 · Exploración de imagen, vídeo, audio, web y móvil

5 horas · de formación efectiva

Generación de imágenes y prompts visuales45 min · Práctica guiada
Generación de vídeo y guion gráfico45 min · Demostración y evaluación
Música, audio y locución45 min · Demostración y evaluación
Diseño de interfaces web con IA1 hora · Práctica guiada
Diseño de aplicaciones móviles con IA1 hora · Práctica guiada
Miniproyecto creativo y revisión45 min · Práctica guiada

Opciones de herramientas

Mapa temático, pizarra o Miro; opción de plantilla impresa
Un asistente autorizado: ChatGPT, Claude, Gemini o Microsoft 365 Copilot, elegido según la tarea y el acceso disponible
Listas preparadas de evaluación, fuentes y uso seguro
Word o Google Docs
Canva o una herramienta autorizada de generación de imágenes; licencia existente y cuota de generación
Kling o una herramienta autorizada de generación de vídeo; guion gráfico, clip corto y cuota de generación preparados
Ejemplos de imágenes, vídeo y audio preparados por el formador; breve generación en directo según la cuota disponible
Música con Suno o locución con una herramienta TTS autorizada; consentimiento de la persona, derechos aplicables y cuota
Figma o Google Stitch; brief web/móvil preparado y lista de comprobación de accesibilidad
Una sola herramienta y un brief preparado para el resultado elegido: texto, imagen, audio, vídeo o interfaz

5 días25 horas · de formación efectiva

IA 360°: de los fundamentos a la práctica

Conecta el mapa de la IA con sus bases técnicas, las herramientas creativas, la programación, la automatización, los datos, la industria, el derecho y la ética. Dedica el último día a la estrategia, el ecosistema turco y un proyecto de equipo de alcance delimitado.

¿A quién se dirige?: Directivos, especialistas y equipos tecnológicos o de negocio que buscan una perspectiva amplia de la IA, y participantes que quieren decidir en qué campo profundizar.
Requisitos previos: Uso básico del ordenador y de herramientas digitales. Los temas técnicos se abordan mediante conceptos y demostraciones; los laboratorios que requieren programación se eligen por separado.
Resultados previstos: Comparación de campos técnicos y empresariales de la IA, pequeños resultados prácticos, borrador de solución o prototipo de equipo, y hoja de ruta de aprendizaje o piloto a 30–60–90 días.

Ver las sesiones de cada día

Día 1 · El mundo de la IA, sus herramientas y primeros pasos seguros

5 horas · de formación efectiva

Alfabetización en IA y su evolución30 min · Conceptos y debate
Campos de la IA y conceptos fundamentales30 min · Conceptos y debate
¿Cómo funcionan los grandes modelos de lenguaje?30 min · Demostración y evaluación
Taller básico de prompt engineering1 hora · Práctica guiada
Ecosistema de herramientas de IA y uso multimodal45 min · Demostración y evaluación
Uso seguro, fuentes y revisión de resultados45 min · Práctica guiada
Transformación del trabajo y casos de uso de IA30 min · Conceptos y debate
Ruta personal de práctica y aprendizaje30 min · Práctica guiada

Día 2 · Aprendizaje automático, aprendizaje profundo, NLP y visión

5 horas · de formación efectiva

Introducción al aprendizaje automático45 min · Conceptos y debate
Algoritmos de ML y adecuación del modelo al problema1 hora · Demostración y evaluación
Aprendizaje profundo y redes neuronales45 min · Demostración y evaluación
Arquitecturas modernas de DL y modelos generativos45 min · Conceptos y debate
NLP y tecnologías del lenguaje y del habla45 min · Demostración y evaluación
Computer Vision e IA visual1 hora · Demostración y evaluación

Día 3 · IA generativa, asistentes documentales, automatización y programación

5 horas · de formación efectiva

Gestión del conocimiento y asistentes con NotebookLM45 min · Demostración y evaluación
Generación de imágenes y prompts visuales45 min · Práctica guiada
Generación de vídeo y guion gráfico45 min · Demostración y evaluación
Automatización de trabajo con IA y n8n1 hora · Práctica guiada
Demostración de asistentes de código y vibe coding1 hora · Demostración y evaluación
Agentes de IA, herramientas y sistemas multiagente45 min · Demostración y evaluación

Día 4 · Datos, industria, ciberseguridad, derecho y ética

5 horas · de formación efectiva

Big Data y arquitecturas de datos45 min · Conceptos y debate
IoT, Edge AI e IA en el dispositivo45 min · Conceptos y debate
Gemelos digitales, VR/AR y robótica45 min · Demostración y evaluación
Inteligencia artificial en ciberdefensa45 min · Demostración y evaluación
Seguridad de los sistemas de IA30 min · Conceptos y debate
Ética e inteligencia artificial confiable45 min · Conceptos y debate
Aspectos jurídicos de la IA y propiedad intelectual45 min · Conceptos y debate

Día 5 · Políticas, ecosistema turco, estrategia y proyectos

5 horas · de formación efectiva

Política y gobernanza de IA en la empresa45 min · Práctica guiada
Elección de herramientas, licencias, costes y recursos30 min · Práctica guiada
Estrategia de IA y valor de negocio30 min · Práctica guiada
Ecosistema turco de IA y tendencias actuales45 min · Conceptos y debate
Proyecto de equipo: de la idea de IA al borrador de solución2 horas · Práctica guiada
Evaluación del proyecto y plan a 30–60–90 días30 min · Práctica guiada

Opciones de herramientas

Mapa temático, pizarra o Miro; opción de plantilla impresa
Un asistente autorizado: ChatGPT, Claude, Gemini o Microsoft 365 Copilot, elegido según la tarea y el acceso disponible
Ejemplos de imágenes, vídeo y audio preparados por el formador; breve generación en directo según la cuota disponible
Listas preparadas de evaluación, fuentes y uso seguro
Word o Google Docs
Datos y gráficos preparados, ejemplos interactivos de clasificación, regresión y agrupamiento
Python, Jupyter y scikit-learn; datos de ejemplo preparados con licencia adecuada
Visualizaciones de redes neuronales y ejemplo preparado de PyTorch o TensorFlow; CPU o entorno facilitado previamente
Fichas de modelos de Hugging Face y ejemplos de modelos de pesos abiertos con licencia verificada
Textos en turco o multilingües preparados, ejemplos de embeddings, análisis de sentimiento y procesamiento del habla
OpenCV o un modelo de visión preparado; imágenes autorizadas, ejemplos de OCR y detección de objetos
Gemini Notebook (NotebookLM) o una herramienta documental con fuentes autorizada; conjunto de documentos preparado
Canva o una herramienta autorizada de generación de imágenes; licencia existente y cuota de generación
Kling o una herramienta autorizada de generación de vídeo; guion gráfico, clip corto y cuota de generación preparados
Entorno de formación n8n o Power Automate preparado; datos ficticios y aprobación humana
Cursor, GitHub Copilot o un asistente de código aprobado; pequeño proyecto preparado
Demostraciones seguras preparadas de llamadas a herramientas, memoria, conexiones MCP/API y sistemas multiagente
Ejemplos de arquitectura: lago de datos, almacén de datos, SQL, canalizaciones y procesamiento de flujos
Casos de sensores IoT, Edge AI y producción; datos de ejemplo o simulación
Vídeos o simulaciones preparados de gemelos digitales, VR/AR y robótica; no incluye instalación de hardware físico
Registros de seguridad anonimizados, ejemplos de phishing y escenarios de ataque y defensa; entorno de formación aislado
Fichas de casos sobre equidad, sesgos, explicabilidad, privacidad e impacto ambiental
Fuentes actualizadas sobre KVKK, GDPR y AI Act de la Comisión Europea; ejemplos de cláusulas de licencia o contrato
Excel o Google Sheets; cuaderno Python preparado cuando sea necesario
Fuentes primarias fechadas de TÜBİTAK, organismos públicos, universidades y empresas emergentes; fichas de modelos en turco
Plantillas y herramientas preparadas para el escenario creativo, técnico o de negocio elegido por el grupo
Fichas de casos de finanzas, salud, comercio, industria, transporte, RR. HH., marketing, educación y centros de atención

Preparación antes de la formación

Herramientas y formas de aprendizaje

Los ejercicios requieren ordenador, cuenta autorizada y archivos de ejemplo preparados. Las demostraciones utilizan el entorno del formador y resultados preparados previamente. Los requisitos de programación, datos e instalación de los laboratorios técnicos se indican en las fichas de los módulos.

Los productos son opciones de herramientas: no hace falta comprarlos todos. Las cuentas, licencias, cargas de archivos, cuotas y accesos de red se comprueban antes de la formación. El presupuesto y el límite de parada se fijan de antemano, especialmente para generar imágenes, vídeo y audio y para utilizar API. Se trabaja con datos ficticios o cuyo uso está autorizado.

Las sesiones conceptuales permiten conocer un campo; las demostraciones, evaluar ejemplos; y los ejercicios, producir un pequeño resultado. Los laboratorios técnicos abordan un único problema en un entorno preparado.

Los resultados se evalúan según su exactitud, creatividad, utilidad para el trabajo, fuentes, derechos y uso seguro.

Duración total de formación efectiva0 min

Ir a la propuesta de formación 0

Catálogo completo de formación

50 módulos temáticos · 10 laboratorios de profundización

Cada tema del catálogo se puede seleccionar por separado. Los programas propuestos se componen a partir de este catálogo; ningún programa incluye todos los módulos. Los laboratorios de profundización se planifican aparte y, al añadirlos, aumenta la duración total.

Buscar un tema o una herramienta

60 módulos mostrados

Alfabetización en IA y ecosistema30 min

Alfabetización en IA y su evolución

Evolución de la IA, usos actuales, oportunidades y límites. Relación entre decisión humana, automatización e IA.

Conceptos y debate

Contenido y resultado

Resultados previstos: Dividir una tarea en pasos de IA, automatización y trabajo humano.
Requisitos previos: Uso básico del ordenador.
Opciones de herramientas: Mapa temático, pizarra o Miro; opción de plantilla impresa

Alfabetización en IA y ecosistema30 min

Campos de la IA y conceptos fundamentales

IA simbólica, búsqueda y optimización, ML, DL, IA generativa, LLM y sistemas multimodales. Situar correctamente los conceptos de IA específica e IA general.

Conceptos y debate

Contenido y resultado

Resultados previstos: Un mapa conceptual que relaciona los principales campos con ejemplos.
Requisitos previos: Sin requisitos técnicos específicos.
Opciones de herramientas: Mapa temático, pizarra o Miro; opción de plantilla impresa

IA generativa y diseño de prompts30 min

¿Cómo funcionan los grandes modelos de lenguaje?

Tokens, contexto, entrenamiento e inferencia, actualidad de la información y alucinaciones. Productos como ChatGPT y familias de modelos como GPT, Claude, Gemini y Llama; diferencia entre servicios cerrados y modelos de pesos abiertos.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Explicar los límites de la respuesta de un modelo y las opciones de uso.
Requisitos previos: Conceptos básicos de IA.
Opciones de herramientas: Un asistente autorizado: ChatGPT, Claude, Gemini o Microsoft 365 Copilot, elegido según la tarea y el acceso disponible

IA generativa y diseño de prompts1 hora

Taller básico de prompt engineering

Rol, tarea, contexto, fuentes, ejemplos, formato de salida y restricciones. Evaluar y mejorar la primera respuesta según criterios definidos.

Práctica guiada

Contenido y resultado

Resultados previstos: Una plantilla de prompt probada y reutilizable.
Requisitos previos: Cuenta de IA autorizada o práctica compartida con el formador.
Opciones de herramientas: Un asistente autorizado: ChatGPT, Claude, Gemini o Microsoft 365 Copilot, elegido según la tarea y el acceso disponible

IA generativa y diseño de prompts1 hora 15 min

Prompts avanzados, cadenas de tareas y biblioteca

Personas, ejemplos few-shot, división en subtareas, salida estructurada y criterios de calidad. Comparar y versionar prompts adecuados para el flujo de trabajo.

Práctica guiada

Contenido y resultado

Resultados previstos: Un flujo de prompts de tres pasos y un conjunto de plantillas evaluadas.
Requisitos previos: Redacción básica de prompts.
Opciones de herramientas: Un asistente autorizado: ChatGPT, Claude, Gemini o Microsoft 365 Copilot, elegido según la tarea y el acceso disponible
Listas preparadas de evaluación, fuentes y uso seguro

Alfabetización en IA y ecosistema45 min

Ecosistema de herramientas de IA y uso multimodal

Mapa de herramientas de texto, investigación, imagen, vídeo, audio y código, locales o en la nube. Dos demostraciones breves elegidas previamente para evaluar la relación entre tarea y herramienta.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Un mapa de herramientas clasificadas por tareas.
Requisitos previos: Sin requisitos técnicos específicos.
Opciones de herramientas: Un asistente autorizado: ChatGPT, Claude, Gemini o Microsoft 365 Copilot, elegido según la tarea y el acceso disponible
Ejemplos de imágenes, vídeo y audio preparados por el formador; breve generación en directo según la cuota disponible

Derecho, ética y gobernanza45 min

Uso seguro, fuentes y revisión de resultados

Datos personales, secretos comerciales, verificación de fuentes, deepfakes e instrucciones maliciosas en documentos. Qué datos se pueden compartir y cuándo se requiere aprobación humana.

Práctica guiada

Contenido y resultado

Resultados previstos: Un ejemplo corregido y una lista de comprobación de uso seguro.
Requisitos previos: Conceptos básicos de IA.
Opciones de herramientas: Un asistente autorizado: ChatGPT, Claude, Gemini o Microsoft 365 Copilot, elegido según la tarea y el acceso disponible
Listas preparadas de evaluación, fuentes y uso seguro

Alfabetización en IA y ecosistema30 min

Transformación del trabajo y casos de uso de IA

Cambios en las tareas profesionales, colaboración entre personas e IA, necesidades de aprendizaje y expectativas realistas. Ejemplos de distintas funciones.

Conceptos y debate

Contenido y resultado

Resultados previstos: Identificar dos oportunidades y una limitación para el propio puesto.
Requisitos previos: Una tarea profesional o cotidiana conocida por el participante.
Opciones de herramientas: Mapa temático, pizarra o Miro; opción de plantilla impresa

Estrategia, proyectos y transformación30 min

Ruta personal de práctica y aprendizaje

Evaluar una prueba breve, identificar intereses, carencias de habilidades, recursos y próximos pasos. Crear hábitos de aprendizaje diario y uso seguro.

Práctica guiada

Contenido y resultado

Resultados previstos: Un plan de aprendizaje con dos objetivos prácticos y un indicador de seguimiento.
Requisitos previos: Sesiones introductorias o conocimientos equivalentes.
Opciones de herramientas: Word o Google Docs
Listas preparadas de evaluación, fuentes y uso seguro

IA generativa y diseño de prompts1 hora

Creación de textos, comunicación y contenidos

Ejemplos de correos, propuestas, respuestas a clientes, resúmenes de reuniones, LinkedIn, marketing y contenidos educativos. Público, tono, exactitud y voz de marca.

Práctica guiada

Contenido y resultado

Resultados previstos: Un texto revisado y una versión alternativa para un escenario elegido.
Requisitos previos: Redacción básica de prompts y brief de ejemplo.
Opciones de herramientas: Un asistente autorizado: ChatGPT, Claude, Gemini o Microsoft 365 Copilot, elegido según la tarea y el acceso disponible
Word o Google Docs

IA generativa y diseño de prompts1 hora

Investigación, análisis y comparación de documentos

Revisión de PDF/Word, investigación sectorial o de competidores y brief de cliente. Relación afirmación–fuente–fecha, contradicciones e información que falta.

Práctica guiada

Contenido y resultado

Resultados previstos: Una comparación o un resumen de investigación con fuentes trazables.
Requisitos previos: Documentos autorizados y conocimientos básicos de prompts.
Opciones de herramientas: Un asistente autorizado: ChatGPT, Claude, Gemini o Microsoft 365 Copilot, elegido según la tarea y el acceso disponible
Gemini Notebook (NotebookLM) o una herramienta documental con fuentes autorizada; conjunto de documentos preparado

Asistentes documentales y agentes45 min

Gestión del conocimiento y asistentes con NotebookLM

Preguntas y respuestas, resúmenes y citas a partir de fuentes preparadas en Gemini Notebook/NotebookLM. Revisar un resumen de audio de ejemplo según sus fuentes y exactitud.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Una lista de preguntas y fuentes para evaluar las respuestas de un asistente documental.
Requisitos previos: Conjunto documental preparado previamente; funciones verificadas según el acceso disponible.
Opciones de herramientas: Gemini Notebook (NotebookLM) o una herramienta documental con fuentes autorizada; conjunto de documentos preparado

Imagen, vídeo, música y audio45 min

Generación de imágenes y prompts visuales

Carteles, portadas, conceptos de producto e imágenes para redes sociales. Composición, estilo, marca, edición y derechos de uso mediante un pequeño ejemplo.

Práctica guiada

Contenido y resultado

Resultados previstos: Un borrador visual y un brief de mejora.
Requisitos previos: Brief preparado, herramienta autorizada y cuota disponible.
Opciones de herramientas: Canva o una herramienta autorizada de generación de imágenes; licencia existente y cuota de generación

Imagen, vídeo, música y audio45 min

Generación de vídeo y guion gráfico

Escenas, cámara, continuidad y prompts de vídeo con Kling o la herramienta elegida. Demostración del formador con un clip corto y un guion gráfico preparados, y evaluación de calidad y derechos.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Un borrador de guion gráfico y notas de revisión para el clip de ejemplo.
Requisitos previos: No se exige una cuenta de pago a los participantes; se prepara el entorno del formador.
Opciones de herramientas: Kling o una herramienta autorizada de generación de vídeo; guion gráfico, clip corto y cuota de generación preparados
Ejemplos de imágenes, vídeo y audio preparados por el formador; breve generación en directo según la cuota disponible

Imagen, vídeo, música y audio45 min

Música, audio y locución

Diferencia entre crear música o jingles con Suno y locución con TTS. Ritmo, tono de marca, producción vocal o instrumental, consentimiento y derechos de autor; evaluación de ejemplos preparados.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Un brief musical o de locución y una nota de evaluación.
Requisitos previos: Ejemplos del formador; permiso explícito si se utiliza la voz de una persona.
Opciones de herramientas: Música con Suno o locución con una herramienta TTS autorizada; consentimiento de la persona, derechos aplicables y cuota
Ejemplos de imágenes, vídeo y audio preparados por el formador; breve generación en directo según la cuota disponible

Diseño web, móvil y de producto1 hora

Diseño de interfaces web con IA

Objetivo de una landing page, jerarquía de información, CTA, lenguaje visual y accesibilidad. Borrador de una página en Figma/Stitch a partir de un brief preparado.

Práctica guiada

Contenido y resultado

Resultados previstos: Un boceto de pantalla de una página web.
Requisitos previos: Uso básico de herramientas digitales y brief preparado.
Opciones de herramientas: Figma o Google Stitch; brief web/móvil preparado y lista de comprobación de accesibilidad

Diseño web, móvil y de producto1 hora

Diseño de aplicaciones móviles con IA

Idea de producto, flujo de usuario, onboarding, pantalla principal y principios del paywall. Un flujo móvil a partir de un brief preparado; diferencia entre prototipo de diseño y producto funcional.

Práctica guiada

Contenido y resultado

Resultados previstos: Una lista de pantallas de un flujo móvil y un boceto de la pantalla principal.
Requisitos previos: Uso básico de herramientas digitales; idea de aplicación o brief.
Opciones de herramientas: Figma o Google Stitch; brief web/móvil preparado y lista de comprobación de accesibilidad

Diseño web, móvil y de producto45 min

Miniproyecto creativo y revisión

Elegir un texto, una imagen, un guion gráfico o un boceto de interfaz y mejorarlo según el brief. Planificar cómo se combinarán los distintos medios en una campaña.

Práctica guiada

Contenido y resultado

Resultados previstos: Un único resultado revisado y una lista de tareas para las demás producciones.
Requisitos previos: Al menos un borrador preparado en las sesiones anteriores.
Opciones de herramientas: Una sola herramienta y un brief preparado para el resultado elegido: texto, imagen, audio, vídeo o interfaz
Listas preparadas de evaluación, fuentes y uso seguro

Asistentes documentales y agentes1 hora

Automatización de trabajo con IA y n8n

Disparador, datos, paso LLM, aprobación humana y salida. Procesar datos ficticios en una plantilla n8n/Power Automate preparada; límites de errores y costes.

Práctica guiada

Contenido y resultado

Resultados previstos: Un pequeño flujo con aprobación adaptado en el entorno de formación.
Requisitos previos: Cuenta y plantilla operativas de antemano; acceso comprobado.
Opciones de herramientas: Entorno de formación n8n o Power Automate preparado; datos ficticios y aprobación humana

Asistentes documentales y agentes45 min

Agentes de IA, herramientas y sistemas multiagente

Diferencia entre agente y automatización fija: llamadas a herramientas, memoria, planificación y reparto de tareas entre agentes. Demostración preparada con conexiones MCP/API y límites de autorización.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Determinar si una tarea necesita un agente y dónde situar la aprobación humana.
Requisitos previos: Conceptos básicos de LLM y automatización.
Opciones de herramientas: Entorno de formación n8n o Power Automate preparado; datos ficticios y aprobación humana
Demostraciones seguras preparadas de llamadas a herramientas, memoria, conexiones MCP/API y sistemas multiagente

Asistentes documentales y agentes30 min

Comparación de RAG, contexto y fine-tuning

Añadir documentos al contexto, embeddings y búsqueda, RAG y adaptación de modelos. Modelos de pesos abiertos, ejecución local y necesidades de datos y cómputo.

Conceptos y debate

Contenido y resultado

Resultados previstos: Elegir de forma razonada el enfoque adecuado para tres escenarios.
Requisitos previos: Conceptos de LLM y datos.
Opciones de herramientas: Gemini Notebook (NotebookLM) o una herramienta documental con fuentes autorizada; conjunto de documentos preparado
Fichas de modelos de Hugging Face y ejemplos de modelos de pesos abiertos con licencia verificada

Desarrollo de software con IA1 hora

Demostración de asistentes de código y vibe coding

Borrador de una pequeña funcionalidad con Cursor, GitHub Copilot o un asistente autorizado. Definición de tarea, lectura de código, depuración y límites de ejecución segura.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Explicar el flujo de un asistente de código y el papel de la revisión humana.
Requisitos previos: No es obligatorio programar; el formador utiliza un proyecto preparado.
Opciones de herramientas: Cursor, GitHub Copilot o un asistente de código aprobado; pequeño proyecto preparado

Desarrollo de software con IA2 horas

Práctica de desarrollo de software con IA

En un pequeño proyecto preparado: desarrollo de una funcionalidad, depuración, revisión de Git diff y verificación específica. Flujo controlado del requisito al cambio de código.

Práctica guiada

Contenido y resultado

Resultados previstos: Una pequeña funcionalidad operativa en local y una nota de revisión.
Requisitos previos: Programación básica, Git y entorno de desarrollo instalado.
Opciones de herramientas: Cursor, GitHub Copilot o un asistente de código aprobado; pequeño proyecto preparado
Git, diferencias de código y lista de comprobación para su revisión

Desarrollo de software con IA1 hora 30 min

API de modelos e integración en aplicaciones

HTTP/JSON, seguridad de credenciales, salida estructurada, gestión de errores y cuota. Conectar una API simulada en local a una aplicación Python/JavaScript preparada.

Práctica guiada

Contenido y resultado

Resultados previstos: Una integración de ejemplo funcional y un límite de uso.
Requisitos previos: Programación básica y HTTP/JSON; presupuesto aprobado previamente si se necesita acceso en línea.
Opciones de herramientas: Cliente Python/JavaScript preparado y API simulada en local; cuota aprobada previamente si se accede a un modelo en línea
Cursor, GitHub Copilot o un asistente de código aprobado; pequeño proyecto preparado

Desarrollo de software con IA1 hora

Calidad, pruebas y seguridad del código generado por IA

Leer el código generado según los requisitos, realizar comprobaciones útiles, revisar riesgos de dependencias y secretos, depurar y gestionar versiones.

Práctica guiada

Contenido y resultado

Resultados previstos: Un registro de revisión y aceptación de un cambio de código.
Requisitos previos: Programación básica y proyecto de ejemplo preparado.
Opciones de herramientas: Cursor, GitHub Copilot o un asistente de código aprobado; pequeño proyecto preparado
Git, diferencias de código y lista de comprobación para su revisión
Listas preparadas de evaluación, fuentes y uso seguro

Aprendizaje automático y profundo45 min

Introducción al aprendizaje automático

Aprendizaje supervisado, no supervisado y por refuerzo; clasificación y regresión. Datos, características, objetivo, entrenamiento y evaluación.

Conceptos y debate

Contenido y resultado

Resultados previstos: Relacionar problemas de negocio con tipos de aprendizaje.
Requisitos previos: Conceptos básicos de IA; no requiere programación.
Opciones de herramientas: Datos y gráficos preparados, ejemplos interactivos de clasificación, regresión y agrupamiento

Aprendizaje automático y profundo1 hora

Algoritmos de ML y adecuación del modelo al problema

Regresión lineal y logística, árbol de decisión, Random Forest, SVM y KNN. Comparar métricas, sobreajuste y selección de modelos a partir de resultados preparados.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Elegir un modelo de referencia y un criterio de evaluación para un problema.
Requisitos previos: Introducción al ML y lectura básica de gráficos.
Opciones de herramientas: Python, Jupyter y scikit-learn; datos de ejemplo preparados con licencia adecuada
Datos y gráficos preparados, ejemplos interactivos de clasificación, regresión y agrupamiento

Aprendizaje automático y profundo45 min

Agrupamiento, recomendación y aprendizaje por refuerzo

Agrupación de datos sin etiquetar, similitud y recomendación, recompensa y política. Ejemplos preparados para evaluar la adecuación a la tarea y los límites de uso.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Relacionar tres casos de uso con métodos y necesidades de datos.
Requisitos previos: Conceptos básicos de ML.
Opciones de herramientas: Python, Jupyter y scikit-learn; datos de ejemplo preparados con licencia adecuada
Datos y gráficos preparados, ejemplos interactivos de clasificación, regresión y agrupamiento

Aprendizaje automático y profundo45 min

Aprendizaje profundo y redes neuronales

Neuronas, capas, activación, pérdida y concepto de retropropagación. Visualizaciones preparadas sobre cómo avanza el aprendizaje; necesidades de datos y GPU/CPU.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Explicar de forma sencilla el ciclo de entrenamiento de una red neuronal.
Requisitos previos: Conceptos básicos de ML; no requiere derivaciones matemáticas ni programación.
Opciones de herramientas: Visualizaciones de redes neuronales y ejemplo preparado de PyTorch o TensorFlow; CPU o entorno facilitado previamente

Aprendizaje automático y profundo45 min

Arquitecturas modernas de DL y modelos generativos

Mapa de CNN, RNN/LSTM, Transformer, GAN y modelos de difusión. Transfer learning y fine-tuning; comparación de arquitecturas según sus aplicaciones.

Conceptos y debate

Contenido y resultado

Resultados previstos: Un mapa que relaciona arquitectura, tipo de datos y tarea.
Requisitos previos: Fundamentos de aprendizaje profundo.
Opciones de herramientas: Visualizaciones de redes neuronales y ejemplo preparado de PyTorch o TensorFlow; CPU o entorno facilitado previamente
Fichas de modelos de Hugging Face y ejemplos de modelos de pesos abiertos con licencia verificada

Aprendizaje automático y profundo45 min

NLP y tecnologías del lenguaje y del habla

Tokenización, embeddings, clasificación de textos, análisis de sentimiento, resúmenes, chatbots y preguntas y respuestas. Datos en turco y conceptos de ASR/TTS.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Definir un enfoque y un criterio de evaluación para una tarea de lenguaje o habla.
Requisitos previos: Conceptos básicos de modelos; demostración con ejemplos preparados.
Opciones de herramientas: Fichas de modelos de Hugging Face y ejemplos de modelos de pesos abiertos con licencia verificada
Textos en turco o multilingües preparados, ejemplos de embeddings, análisis de sentimiento y procesamiento del habla

Aprendizaje automático y profundo1 hora

Computer Vision e IA visual

Clasificación de imágenes, detección de objetos, OCR, límites del reconocimiento facial y control de calidad. Evaluar errores y privacidad con ejemplos autorizados.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Evaluar capacidades y riesgos de un caso de uso visual.
Requisitos previos: Conceptos básicos de modelos; no se realizan prácticas con datos personales o biométricos.
Opciones de herramientas: OpenCV o un modelo de visión preparado; imágenes autorizadas, ejemplos de OCR y detección de objetos

Big Data y MLOps45 min

Big Data y arquitecturas de datos

5V, lagos de datos, almacenes de datos, procesamiento batch o en tiempo real y canalizaciones. Relación entre SQL, ingeniería de datos y proyectos de IA.

Conceptos y debate

Contenido y resultado

Resultados previstos: Un mapa de arquitectura para un flujo de datos de ejemplo.
Requisitos previos: Conocimientos básicos de datos y tablas.
Opciones de herramientas: Ejemplos de arquitectura: lago de datos, almacén de datos, SQL, canalizaciones y procesamiento de flujos

Big Data y MLOps45 min

Calidad de datos, características y fuga de datos

Valores ausentes o atípicos, duplicados, selección de características y separación de datos. Examinar en un ejemplo preparado cómo influye la calidad en el resultado del modelo.

Práctica guiada

Contenido y resultado

Resultados previstos: Una lista de preparación de datos y un pequeño ejemplo corregido.
Requisitos previos: Conocimientos básicos de tablas; Python básico para la ruta técnica.
Opciones de herramientas: Excel o Google Sheets; cuaderno Python preparado cuando sea necesario
Python, Jupyter y scikit-learn; datos de ejemplo preparados con licencia adecuada

Aprendizaje automático y profundo45 min

Minidemostración de ML de principio a fin

Problema de negocio, datos de ejemplo, separación de entrenamiento, validación y prueba, métricas y revisión de errores. Seguir un cuaderno preparado de clasificación o regresión.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Explicar los pasos y los límites de un experimento con un modelo.
Requisitos previos: Introducción al ML; no requiere programación.
Opciones de herramientas: Python, Jupyter y scikit-learn; datos de ejemplo preparados con licencia adecuada

Aplicaciones industriales y sectoriales45 min

IoT, Edge AI e IA en el dispositivo

Datos de sensores, latencia, funcionamiento sin conexión, energía y reparto entre nube y dispositivo. Ejemplos de producción y mantenimiento; límites de tamaño y actualización del modelo.

Conceptos y debate

Contenido y resultado

Resultados previstos: Decidir la distribución entre edge y nube para un uso.
Requisitos previos: Conceptos básicos de IA y datos.
Opciones de herramientas: Casos de sensores IoT, Edge AI y producción; datos de ejemplo o simulación

Aplicaciones industriales y sectoriales45 min

Gemelos digitales, VR/AR y robótica

Diferencia entre gemelo digital y simulación; experiencias VR/AR, percepción, decisión, movimiento e IA en robótica. Viabilidad a partir de ejemplos preparados.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Un mapa de necesidades tecnológicas y de datos para un escenario físico o digital.
Requisitos previos: Sesión de sensibilización; no requiere hardware ni instalación sobre el terreno.
Opciones de herramientas: Vídeos o simulaciones preparados de gemelos digitales, VR/AR y robótica; no incluye instalación de hardware físico

Ciberseguridad y seguridad de IA45 min

Inteligencia artificial en ciberdefensa

Detección de anomalías, phishing y malware en registros de seguridad. Falsas alarmas, apoyo al analista y decisión humana; demostración con ejemplos anonimizados.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Una evaluación de beneficios y falsas alarmas para un escenario de defensa.
Requisitos previos: Son útiles los conceptos básicos de seguridad; ejemplos preparados y aislados.
Opciones de herramientas: Registros de seguridad anonimizados, ejemplos de phishing y escenarios de ataque y defensa; entorno de formación aislado

Ciberseguridad y seguridad de IA30 min

Seguridad de los sistemas de IA

Prompt injection, filtración de datos o modelos, ejemplos adversarios, data poisoning y permisos de herramientas de agentes. Capas de defensa y notificación de incidentes.

Conceptos y debate

Contenido y resultado

Resultados previstos: Una relación entre riesgos y controles para un sistema de IA.
Requisitos previos: Conceptos básicos de modelos y agentes; no incluye prácticas de ataque.
Opciones de herramientas: Registros de seguridad anonimizados, ejemplos de phishing y escenarios de ataque y defensa; entorno de formación aislado
Listas preparadas de evaluación, fuentes y uso seguro

Derecho, ética y gobernanza45 min

Ética e inteligencia artificial confiable

Sesgos, equidad, explicabilidad, privacidad, deepfakes, manipulación y sostenibilidad. Supervisión humana y conflictos de valores a partir de un caso.

Conceptos y debate

Contenido y resultado

Resultados previstos: Una decisión razonada y propuestas de control para un caso ético.
Requisitos previos: Sin requisitos técnicos específicos.
Opciones de herramientas: Fichas de casos sobre equidad, sesgos, explicabilidad, privacidad e impacto ambiental

Derecho, ética y gobernanza45 min

Aspectos jurídicos de la IA y propiedad intelectual

Sensibilización sobre KVKK/GDPR y EU AI Act, transferencias de datos, derechos de autor, licencias, responsabilidad y contratos. Diferenciar ámbitos de responsabilidad con fuentes actualizadas.

Conceptos y debate

Contenido y resultado

Resultados previstos: Preguntas y puntos de control que aclarar con el equipo jurídico.
Requisitos previos: Sesión de sensibilización; el asesoramiento específico para una organización requiere una revisión independiente de un especialista.
Opciones de herramientas: Fuentes actualizadas sobre KVKK, GDPR y AI Act de la Comisión Europea; ejemplos de cláusulas de licencia o contrato

Derecho, ética y gobernanza45 min

Política y gobernanza de IA en la empresa

Clases de datos, herramientas autorizadas, roles de aprobación, matriz de riesgos, registros y notificación de incidentes. Adaptar una plantilla de política preparada a un escenario.

Práctica guiada

Contenido y resultado

Resultados previstos: Un borrador de política y una lista de responsabilidades para revisión interna.
Requisitos previos: Normas existentes de la organización o política de ejemplo preparada.
Opciones de herramientas: Fuentes actualizadas sobre KVKK, GDPR y AI Act de la Comisión Europea; ejemplos de cláusulas de licencia o contrato
Word o Google Docs

Estrategia, proyectos y transformación30 min

Elección de herramientas, licencias, costes y recursos

Adecuación a la tarea, modelo abierto o cerrado, licencia, límites de datos, cuotas de API o generación y coste total. Alertas de gasto, parada y plan alternativo.

Práctica guiada

Contenido y resultado

Resultados previstos: Una comparación de coste y acceso entre dos opciones.
Requisitos previos: Ejemplos preparados de volumen de uso y precios; los precios reales se actualizan antes de la formación.
Opciones de herramientas: Excel o Google Sheets; cuaderno Python preparado cuando sea necesario
Listas preparadas de evaluación, fuentes y uso seguro

Estrategia, proyectos y transformación30 min

Estrategia de IA y valor de negocio

AI Canvas, conjunto de casos de uso, impacto, viabilidad, riesgo y mejoras rápidas. Supuestos de ROI, medición inicial y trabajo humano.

Práctica guiada

Contenido y resultado

Resultados previstos: Escenarios ordenados por prioridad y un indicador de beneficio.
Requisitos previos: Un proceso de trabajo conocido por el participante.
Opciones de herramientas: Mapa temático, pizarra o Miro; opción de plantilla impresa
Excel o Google Sheets; cuaderno Python preparado cuando sea necesario

Aplicaciones industriales y sectoriales45 min

Mapa sectorial de la inteligencia artificial

Finanzas, salud, comercio, producción, transporte, RR. HH., marketing, educación y centros de atención. Cómo cambian datos, riesgos y valor con tecnologías similares.

Conceptos y debate

Contenido y resultado

Resultados previstos: Un mapa comparativo de casos de uso entre sectores.
Requisitos previos: Sin requisitos técnicos específicos.
Opciones de herramientas: Fichas de casos de finanzas, salud, comercio, industria, transporte, RR. HH., marketing, educación y centros de atención

Estrategia, proyectos y transformación45 min

Gestión de proyectos de IA y viabilidad

Problema y usuarios, exploración de datos, adecuación de la IA, roles del equipo, dependencias, criterios de aceptación y riesgos del proyecto.

Práctica guiada

Contenido y resultado

Resultados previstos: Una ficha de proyecto piloto con alcance definido.
Requisitos previos: Idea de negocio o producto seleccionada.
Opciones de herramientas: Mapa temático, pizarra o Miro; opción de plantilla impresa

Big Data y MLOps45 min

MLOps, LLMOps y paso a producción

Control de versiones, evaluación y monitorización, enfoque A/B, deriva, reentrenamiento, costes, reversión y deuda técnica. Ejemplo preparado del ciclo de vida de un modelo o LLM.

Demostración y evaluación

Contenido y resultado

Resultados previstos: Una lista de controles para llevar un prototipo a producción.
Requisitos previos: Conocimientos básicos de aplicaciones ML o LLM; no incluye instalación del entorno.
Opciones de herramientas: Ejemplos preparados de versiones de modelos, evaluación, monitorización, deriva y panel de costes; herramientas como MLflow

Alfabetización en IA y ecosistema45 min

Ecosistema turco de IA y tendencias actuales

Empresas emergentes, trabajos universitarios y públicos en Turquía, modelos en turco y ejemplos de uso local. Evaluar tendencias como Agentic AI y modelos abiertos con fuentes fechadas.

Conceptos y debate

Contenido y resultado

Resultados previstos: Un mapa del ecosistema y del aprendizaje con fechas y fuentes.
Requisitos previos: Sin requisitos técnicos específicos; los ejemplos se actualizan antes de la formación.
Opciones de herramientas: Fuentes primarias fechadas de TÜBİTAK, organismos públicos, universidades y empresas emergentes; fichas de modelos en turco

Estrategia, proyectos y transformación2 horas

Proyecto de equipo: de la idea de IA al borrador de solución

Elegir una ruta de contenido creativo, asistente documental, automatización o caso sectorial. Problema, datos, herramienta, derechos, riesgos y criterio de éxito; un único borrador o prototipo en un entorno preparado.

Práctica guiada

Contenido y resultado

Resultados previstos: Un resultado que se pueda mostrar y una nota de viabilidad o de prueba.
Requisitos previos: Caso definido previamente, herramientas y datos preparados; las instalaciones, aunque sean breves, se realizan antes de la formación.
Opciones de herramientas: Plantillas y herramientas preparadas para el escenario creativo, técnico o de negocio elegido por el grupo
Fichas de casos de finanzas, salud, comercio, industria, transporte, RR. HH., marketing, educación y centros de atención

Estrategia, proyectos y transformación30 min

Evaluación del proyecto y plan a 30–60–90 días

Breve presentación por equipos, retroalimentación entre compañeros, recursos y próximos pasos de aprendizaje. Si hay más de tres equipos, se usan estaciones de evaluación en paralelo.

Práctica guiada

Contenido y resultado

Resultados previstos: Una lista de revisiones y una hoja de ruta de aprendizaje o piloto con responsables definidos.
Requisitos previos: Resultado del proyecto preparado y sistema de evaluación adecuado al número de grupos.
Opciones de herramientas: Word o Google Docs
Listas preparadas de evaluación, fuentes y uso seguro

Aprendizaje automático y profundo5 horas

Laboratorio de ML con Python/Jupyter

Con un único conjunto de datos: preparación, modelo de referencia, entrenamiento y evaluación, sobreajuste y análisis de errores. Interpretar el resultado y conservar un registro reproducible.