Grau en Enginyeria Informàtica

Estudia Enginyeria Informàtica a La Salle i seràs un professional capaç de treballar amb les últimes tecnologies i nous productes, dissenyant, implementant i mantenint sistemes informàtics per a qualsevol sector d'activitat econòmica

Intel·ligència artificial generativa

Descripció: 

Aquest curs ofereix una introducció pràctica i orientada a l’enginyeria a la Intel·ligència Artificial Generativa, amb èmfasi en tècniques modernes i rellevants a nivell industrial en lloc de models generatius clàssics. L’estudiantat aprèn com funcionen els grans models de llenguatge, els models de difusió i els sistemes multimodals, així com a desplegar-los localment en GPU per construir aplicacions reals de generació de text, imatge, àudio i codi. Mitjançant laboratoris pràctics, el curs cobreix enginyeria de prompts, agents, sistemes de generació augmentada amb recuperació (RAG), afinament lleuger i optimització del rendiment, incorporant també consideracions clau sobre seguretat, biaixos i regulació. Al final del curs, l’estudiantat serà capaç de dissenyar, implementar i defensar una aplicació completa de GenAI seguint bones pràctiques professionals.

Tipus assignatura
Optativa
Semestre
Segon
Crèdits
6.00
Coneixements previs: 

No hi ha requisits previs.

Objectius: 

Al final d'aquest curs, els estudiants seran capaços de:

  • Comprendre els principis de funcionament dels principals sistemes moderns d’Intel·ligència Artificial Generativa, incloent grans models de llenguatge (LLMs), models de difusió i sistemes multimodals.
  • Entendre el paper de les arquitectures transformer, els espais latents i els models fundacionals en l’evolució recent de la GenAI.
  •  Desplegar i executar models generatius de manera local sobre GPU, gestionant de forma eficient recursos com VRAM, quantització i rendiment d’inferència.
  •  Dissenyar i implementar pipelines complets de generació de text, imatge, àudio, veu i codi.
  •  Construir sistemes basats en agents, ús d’eines i generació augmentada amb recuperació (RAG) mitjançant vector stores.
  •  Aplicar tècniques d’afinament lleuger de models per adaptar models a tasques específiques.
  •  Integrar models de GenAI en aplicacions funcionals com serveis web, eines de línia d’ordres o assistents intel·ligents, seguint bones pràctiques d’enginyeria del programari.
  •  Desenvolupar criteri tècnic per prendre i justificar decisions d’arquitectura, rendiment i desplegament.
  •  Identificar i analitzar limitacions dels sistemes generatius, com al·lucinacions, biaixos, vulnerabilitats de seguretat i riscos d’ús indegut.
  •  Conèixer el marc ètic i regulador aplicable a la GenAI, amb especial atenció al Reglament Europeu d’Intel·ligència Artificial (EU AI Act).
  •  Fomentar el treball en equip, la comunicació tècnica, la documentació adequada i la defensa pública de solucions d’enginyeria.

Continguts: 

1. Introducció a la Intel·ligència Artificial Generativa (visió moderna)

2. Fonaments: espais latents i conceptes clàssics dels models generatiu

3. Transformadors i models de seqüències

4. Arquitectura GPT, lleis d'escalabilitat i alineament

5. Desenvolupament d'aplicacions amb models de llenguatge de gran escala (LLM)

6. Models de difusió i generació d'imatges

7. Models multimodals

8. Generació d'àudio, veu i música

9. Models de generació de codi

10. Seguretat, biaixos i regulació de la IA generativa

Metodologia: 

Dues sessions per setmana on es mostraran els conceptes bàsics i la seva aplicació en situacions pràctiques. Es resoldran exercicis a classe i també es proposaran problemes perquè els estudiants puguin aplicar els conceptes apresos.

Cada tema tindrà els següents elements:

ElementsMètode
Revisió de conceptesClasse Magistral
ExemplesRevisió a classe
LaboratorisResolució de problemes

Avaluació: 

La nota de l'assignatura es calcularà de la següent manera:

Qualificació:

  • Treballs individuals 20 %
  • Treballs en grups 20 %
  • Treballs finals en grups 50%
    • Presentació (Grup) 20%
    • Document (Grup) 20%
    • Oral Q&A (Indv) 10%
  • Assistència, Participació i compromís a classe 10%

Els criteris d'avaluació s'apliquen a tots els alumnes, els repetidors hauran d'assistir a classe i presentar tots els lliuraments sol·licitats. Qualsevol situació excepcional ha de ser comunicada prèviament als professors i validada pel tutor.

L'assignatura estarà aprovada si el còmput global de la nota és superior a 5.

RETAKE POLICY

El Retake consistirà en un examen que inclou tot el contingut de l'assignatura.

Tots els Casos s'han d'haver enviat al campus virtual abans de l'examen de recuperació. En cas contrari, l'examen no serà possible.

Ús de la intel·ligència artificial generativa

L'assignatura adopta l'escala AIAS per regular l'ús de la IA generativa en les activitats d'avaluació:

Activitats Nivell 4

Nivell 4: Es permet utilitzar IA en parts concretes de la tasca sempre que l'estudiant analitzi críticament el resultat i indiqui adequadament el seu ús.

Criteris avaluació: 

La nota de l'assignatura es calcularà de la següent manera:

Qualificació:

  • Treballs individuals 20 %
  • Treballs en grups 20 %
  • Treballs finals en grups 50%
    • Presentació (Grup) 20%
    • Document (Grup) 20%
    • Oral Q&A (Indv) 10%
  • Assistència, Participació i compromís a classe 10%

Els criteris d'avaluació s'apliquen a tots els alumnes, els repetidors hauran d'assistir a classe i presentar tots els lliuraments sol·licitats. Qualsevol situació excepcional ha de ser comunicada prèviament als professors i validada pel tutor.

L'assignatura estarà aprovada si el còmput global de la nota és superior a 5.

RETAKE POLICY

El Retake consistirà en un examen que inclou tot el contingut de l'assignatura.

Tots els Casos s'han d'haver enviat al campus virtual abans de l'examen de recuperació. En cas contrari, l'examen no serà possible.

Ús de la intel·ligència artificial generativa

L'assignatura adopta l'escala AIAS per regular l'ús de la IA generativa en les activitats d'avaluació:

Activitats Nivell 4

Nivell 4: Es permet utilitzar IA en parts concretes de la tasca sempre que l'estudiant analitzi críticament el resultat i indiqui adequadament el seu ús.

Bibliografia bàsica: 

La bibliografia i els recursos docents es revisaran i s'actualitzaran al llarg del curs per adaptar-se a l'evolució de la disciplina i als continguts impartits.

Material complementari: 

La bibliografia i els recursos docents es revisaran i s'actualitzaran al llarg del curs per adaptar-se a l'evolució de la disciplina i als continguts impartits.