Los próximos días 2, 4, 9, 11 de diciembre de 2024, de 16 a 18,30 h, se desarrollará en curso de herramientas de inteligencia artificial en investigación, organizado por la Escuela de Doctorado.

La información, ampliada sobre el mismo es la siguiente:

Objetivos:
Utilizar Jupyter Notebooks como entorno de desarrollo y aplicar conceptos básicos de programación en Python para resolver problemas simples.
Comprender los fundamentos y el impacto de la Inteligencia Artificial en la investigación académica, incluyendo sus tipos relevantes, aplicaciones prácticas y consideraciones éticas.
Desarrollar habilidades para automatizar tareas de investigación utilizando APIs, diseñando flujos de trabajo eficientes que integren múltiples servicios de IA.
Dominar las técnicas de prompt engineering para interactuar efectivamente con sistemas de IA, formulando consultas precisas y refinando las respuestas para diversas tareas de investigación.
Explorar y aplicar herramientas de IA específicas para diferentes campos y etapas de la investigación, abarcando desde el análisis de datos hasta la visualización y la revisión de literatura.

Contenidos:

Sesión 1: Análisis masivo de información científica mediante una IA (2,5H)
Introducción a la programación en Python: Fundamentos básicos de Python. Estructuras de datos y control de flujo. Funciones y módulos esenciales
Inteligencia Artificial aplicada al análisis masivo de información científica: Introducción a las búsquedas semánticas. Técnicas de procesamiento de lenguaje natural para análisis científico. Herramientas y bibliotecas para búsquedas semánticas en Python.

Sesión 2: Prompt Engineering: Aprendiendo a hablar con una IA (2,5h)
Extracción de información a partir de una API web: Conceptos básicos de APIs web. Uso de bibliotecas como requests para interactuar con APIs. Procesamiento y análisis de datos obtenidos de APIs.
Prompt Engineering – Aprendiendo a hablar con una IA: Fundamentos del prompt engineering. Técnicas para formular prompts efectivos. Práctica con diferentes modelos de IA

Sesión 3: Respondiendo a preguntas de investigación (2,5h)
Procesamiento por lotes con APIs (Batch API processing): Estrategias para el procesamiento eficiente de grandes volúmenes de datos. Manejo de limitaciones de velocidad y cuotas de APIs. Implementación de procesamiento por lotes en Python
Contestación de preguntas de investigación con metodología RAG y modelo de lenguaje LLAMA3: Introducción a la metodología RAG (Retrieval- Augmented Generation). Configuración y uso del modelo LLAMA3. Aplicación práctica para responder preguntas de investigación

Sesión 4: Revisiones sistemáticas literarias con una IA (2,5h)
Revisión y mejora de respuestas generadas por IA: Técnicas de evaluación de respuestas generadas por IA. Estrategias para mejorar la precisión y relevancia de las respuestas. Implementación de un sistema de revisión automatizado
RAG avanzado y reescritura de consultas: Técnicas avanzadas de RAG. Estrategias para la reescritura efectiva de consultas. Optimización del proceso de recuperación de información
Diseño experimental para revisiones sistemáticas: Comparación de diferentes plataformas de IA (Groq, OpenAI, SambaNova). Metodología para diseñar experimentos de revisión sistemática. Análisis comparativo de resultados entre plataformas

Metodología:
La metodología de enseñanza-aprendizaje en este curso será “aprender haciendo”, basada en la resolución de problemas que se plantean al inicio y a lo largo de cada sesión, y que se resuelven con técnicas y tecnologías que se introducen e implementan secuencialmente.

Todas las sesiones se realizan en formato de clases en directo que serán grabadas y puestas a disposición del estudiantado al finalizar cada sesión.

Profesores:
Fernando Borrás Rocher
Federico Botella Beviá
Dpto. Estadística, Matemáticas e Informática
Universidad Miguel Hernández de Elche