Parte2

La construcción de software basado en inteligencia artificial (IA) representa un cambio paradigmático en la forma en que diseñamos, desarrollamos y desplegamos soluciones digitales. A diferencia del software tradicional, donde las reglas de negocio son explícitamente definidas por desarrolladores, los sistemas basados en IA aprenden comportamientos a partir de datos, lo que introduce nuevos desafíos y oportunidades en el ciclo de vida del desarrollo.

En esta materia exploraremos los fundamentos conceptuales y prácticos necesarios para comprender cómo se construyen sistemas inteligentes modernos. Esto incluye no solo modelos de machine learning y deep learning, sino también las prácticas de ingeniería necesarias para integrarlos en aplicaciones robustas, escalables y mantenibles dentro de entornos productivos.

Uno de los aspectos centrales será entender la diferencia entre “programar reglas” y “entrenar modelos”. Este cambio implica adoptar nuevas formas de pensar el diseño de sistemas, donde los datos adquieren un rol protagónico y la calidad de los mismos impacta directamente en el comportamiento del software resultante.

Además, abordaremos el ciclo de vida completo de proyectos de IA, conocido como MLOps, que incluye la recolección de datos, el preprocesamiento, el entrenamiento, la evaluación, el despliegue y el monitoreo continuo de modelos. Este enfoque permite llevar modelos experimentales a producción de manera confiable y repetible.

También se estudiarán arquitecturas modernas para sistemas basados en IA, incluyendo microservicios, APIs de inferencia, pipelines de procesamiento de datos y sistemas de recomendación, entre otros. Se pondrá énfasis en cómo integrar componentes de IA dentro de ecosistemas tecnológicos existentes.

La materia incorporará herramientas y frameworks utilizados en la industria, como TensorFlow, PyTorch y bibliotecas de procesamiento de datos, así como servicios en la nube que facilitan el entrenamiento y despliegue de modelos a escala. Esto permitirá a los estudiantes adquirir habilidades prácticas relevantes para el mercado laboral.

Otro eje importante será la evaluación de modelos de IA, considerando métricas apropiadas para distintos problemas (clasificación, regresión, clustering, etc.) y analizando posibles sesgos o problemas de generalización. La validación rigurosa es clave para garantizar sistemas confiables.

Asimismo, se discutirán aspectos relacionados al monitoreo y mantenimiento de modelos en producción, incluyendo detección de drift, retraining automático y observabilidad, elementos clave para asegurar el correcto funcionamiento a lo largo del tiempo.

Asimismo, se discutirán aspectos éticos y sociales relacionados con el uso de la inteligencia artificial, tales como la privacidad, la transparencia, la equidad y el impacto en la sociedad. El desarrollo responsable de IA es una competencia fundamental para cualquier profesional en el área.

A lo largo del curso, los estudiantes participarán en proyectos prácticos que integran todos los conceptos abordados, permitiéndoles experimentar de primera mano los desafíos reales de construir software inteligente. Estos proyectos fomentarán el trabajo colaborativo y el pensamiento crítico.

Finalmente, esta materia busca formar profesionales capaces de diseñar, desarrollar y mantener sistemas basados en inteligencia artificial que sean eficientes, escalables y éticamente responsables, preparados para enfrentar los desafíos actuales y futuros de la ingeniería de software.