Formaciones Qognito.
Decida, construya, profundice: elija su formación.
¿Necesita evaluar una inversión en IA, desarrollar agentes para su actividad o sus clientes, o preparar a sus estudiantes para estas prácticas?
Las formaciones de Qognito abarcan tres ámbitos complementarios: toma de decisiones y gobernanza, ingeniería de agentes, y mecanismos del razonamiento y el aprendizaje.
Tres itinerarios complementarios
Elija el itinerario que corresponda a sus necesidades y experiencia.
SAGA-IA
Estrategia de arquitectura y gobernanza de agentes de IA
¿Qué conviene delegar a la IA, con qué costo y dentro de qué límites? Aprenda a evaluar un proyecto, comparar opciones y justificar sus decisiones. Para directivos y responsables que asignan recursos, desde negocios independientes hasta grandes organizaciones.
No se requieren conocimientos de programación
BOOTAG-IA
Ingeniería del marco operativo de agentes
Aprenda a crear agentes de IA, conectarlos con herramientas y conocimientos, y supervisar y evaluar su funcionamiento.
Para desarrolladores, consultores técnicos, ingenieros y estudiantes que quieran comprender y controlar los mecanismos de sus aplicaciones.
REASON-IA
Razonamiento, emergencia y aprendizaje por refuerzo
Explore cómo generan respuestas los modelos y cómo distintos métodos pueden mejorarlas. Experimente con razonamiento, evaluación y aprendizaje por refuerzo para examinar su rendimiento y sus límites.
Para profesionales de IA, equipos de I+D, consultores especializados y estudiantes avanzados.
¿Qué formación necesita su proyecto?
¿Quiere desarrollar sus competencias, formar a su equipo o incorporar estos contenidos a un plan de estudios?
Cuénteme su contexto y las competencias que busca. Podremos concretar la formación adecuada, los materiales disponibles y las modalidades pertinentes.
Hablemos de mi proyecto →SAGA-IA: Estrategia de arquitectura y gobernanza de agentes de IA
Invertir en IA con decisiones que pueda justificar.
¿Qué conviene delegar? ¿A qué costo? ¿Con qué límites? SAGA-IA le ayuda a evaluar un proyecto, cuestionar una propuesta y decidir si continúa, reduce el alcance o se detiene.
Para profesionales independientes, responsables de negocios de una o dos personas, responsables de negocio y directivos de áreas generales, financieras o de sistemas. No se requieren conocimientos de programación. Las secciones 1 y 2 presuponen conocimientos habituales de economía y gestión e implican leer tablas, seguir cálculos sencillos y justificar conclusiones.
Hablemos de mi proyecto SAGA-IA →Cinco pasos para decidir y mantener el control
- Sección 1
Evaluar la delegación a la IA
- Comparar la delegación con una opción sin IA y definir las condiciones para continuar.
- Comprender por qué se repiten algunas correcciones antes de elegir una solución.
Cómo poner su decisión a prueba
Una decisión argumentada y un diagnóstico del trabajo de corrección: hechos, hipótesis, causas posibles y pruebas que aún faltan.
- Sección 2
Comprobar la viabilidad de un proyecto de IA
- Construir hipótesis para comparar costos con una calidad y un alcance equivalentes.
- Poner a prueba el escenario y sus umbrales para determinar las condiciones de viabilidad.
Cómo poner su decisión a prueba
Una comparación de costos y una decisión condicionada. Un saldo positivo por sí solo no justifica el despliegue.
- Sección 3
Reutilizar lo que merece conservarse
- Decidir qué debe convertirse en documentación, procedimiento, control o programa.
- Organizar las pruebas, las responsabilidades, las versiones y la retirada de estos recursos reutilizables.
Cómo poner su decisión a prueba
Una decisión de reutilización y un plan de seguimiento, probados tanto en situaciones donde la solución debe funcionar como en aquellas a las que no debe aplicarse.
- Sección 4
Establecer los límites de actuación de la IA
- Identificar los daños posibles relacionados con los datos, los accesos y las acciones permitidas.
- Definir las protecciones y evaluar pruebas de rechazo, aprobación y recuperación.
Cómo poner su decisión a prueba
Requisitos verificables y una decisión que tenga en cuenta los riesgos restantes. Dar una instrucción no basta para restringir un permiso.
- Sección 5
Desplegar progresivamente y poder cambiar de estrategia
- Definir responsabilidades, controles de calidad y condiciones para ampliar o suspender el despliegue.
- Evaluar dependencias y preparar la reanudación del servicio con otra solución.
Cómo poner su decisión a prueba
Un plan de despliegue y un ejercicio de recuperación con costos y criterios de éxito. Un archivo exportable por sí solo no garantiza la continuidad.
Aprender a decidir con casos concretos
Dos contextos sirven de hilo conductor: la vigilancia en una empresa y una actividad de una o dos personas. Son simulaciones, salvo que una observación esté documentada expresamente. Cada etapa exige justificar una decisión; recopilar más pruebas o detenerse puede ser la decisión correcta.
La evaluación se basa en los argumentos y las pruebas presentados. Seguir el itinerario no garantiza por sí solo beneficios, ahorros ni el cumplimiento normativo de una oferta.
¿Qué necesita usted, su equipo o su programa?
Describa su contexto y su necesidad. Podremos concretar los materiales disponibles, las secciones pertinentes y las modalidades de una posible intervención.
Hablemos de mi proyecto SAGA-IA →Formación en preparación: las dos primeras secciones están redactadas. El programa definitivo y los materiales de presentación siguen pendientes de finalización.
BOOTAG-IA: Ingeniería del marco operativo de agentes
28 horas · cuatro jornadas de 7 horas o sesiones alternas
Para desarrolladores, consultores técnicos, ingenieros y estudiantes que quieran comprender y controlar los mecanismos de sus aplicaciones.
Requisitos previos: Experiencia avanzada en programación orientada a objetos con R o Python, dominio de las API REST y JSON, y conocimientos básicos de redacción de instrucciones para modelos (prompting).
1. Lo que aprenderá a hacer
Construir el entorno de ejecución
Conectar un modelo con herramientas, organizar su contexto y definir las etapas de trabajo del agente.
Diagnosticar y corregir
Analizar trazas de ejecución para investigar fallos de red, pérdida de contexto y errores de orquestación.
Integrar y evaluar
Reunir los componentes en un marco ejecutable, supervisar el consumo de recursos y probar su funcionamiento de principio a fin.
2. Construir, probar y comprender cada componente
El marco operativo reúne el código que organiza las llamadas al modelo, las herramientas, la memoria y los controles. Lo construirá progresivamente, sin un framework de orquestación, para comprender las decisiones de arquitectura e intervenir cuando falle un componente.
Los talleres utilizan R y R6, con llamadas directas a API REST. Integran la gestión del contexto, el acceso al conocimiento, las herramientas y la coordinación entre agentes.
Aprendizaje basado en la práctica
Los ejercicios de depuración presentan código con fallos deliberados. El proyecto final consiste en integrar un marco operativo completo, generar sus trazas de ejecución y someterlo a una batería de evaluación.
BOOTAG-IA para usted, su equipo o su plan de estudios
Consulte la progresión, los ejercicios y los métodos de evaluación. Cuénteme su contexto para comprobar la adecuación de la formación a su experiencia, equipo o plan de estudios.
Solicito el programa de BOOTAG-IA →REASON-IA: Razonamiento, emergencia y aprendizaje por refuerzo
40 horas · cinco jornadas de 8 horas
Para profesionales de IA, equipos de I+D, consultores especializados y estudiantes avanzados.
Requisitos previos: Conocimientos básicos de programación con R o Python y comprensión elemental del aprendizaje profundo: redes neuronales, retropropagación y PyTorch.
1. Lo que aprenderá a hacer
Comprender la generación de respuestas
Experimentar con la generación de texto, la memoria de cálculo del modelo y distintas estrategias para seleccionar respuestas.
Medir antes de comparar
Diseñar un proceso de evaluación verificable y comparar métodos de razonamiento, votación y corrección de respuestas.
Entrenar y examinar los compromisos
Experimentar con aprendizaje por refuerzo y destilación hacia un modelo compacto, examinando precisión, estabilidad y necesidades de cálculo.
2. Explorar el funcionamiento de los modelos mediante la experimentación
Programará los mecanismos estudiados para observar sus efectos: generación, evaluación, mejora de respuestas y entrenamiento. El objetivo es comprender en qué condiciones aporta valor un método y cuántos recursos de cálculo requiere.
La formación combina R para el análisis y la gestión de experimentos con Python y PyTorch para los cálculos, mediante reticulate. Incluye aprendizaje por refuerzo con recompensas verificables (RLVR, con GRPO) y destilación.
Un proyecto para poner las decisiones a prueba
Los ejercicios conducen a un proyecto de entrenamiento y destilación de un modelo compacto con problemas de lógica contable o financiera. Justificará las decisiones de evaluación, recompensa e infraestructura a partir de los resultados observados.
REASON-IA para usted, su equipo o su plan de estudios
Consulte la progresión, los ejercicios y los métodos de evaluación. Cuénteme su contexto para comprobar la adecuación de la formación a su experiencia, equipo o plan de estudios.
Solicito el programa de REASON-IA →