Inteligencia Artificial

Curso de Langchain y LLMs con Python: Desbloquea el Poder de la IA en tus Proyectos

Presentación

Estás listo para llevar tus habilidades en inteligencia artificial al siguiente nivel con Langchain?

Este curso de Langchain y LLMs con Python está diseñado para equiparte con las herramientas y el conocimiento necesarios para dominar el futuro del desarrollo tecnológico.

Aprende a integrar los potentes Modelos de Lenguaje de Última Generación (LLMs) en tus aplicaciones y transforma la forma en que interactúas con los datos y el resto de herramientas que tienes a tu alrededor.

¿Qué Ofrecemos?

Fundamentos Sólidos: Comienza con una comprensión clara de qué son los LLMs y cómo Langchain puede ser la clave para desbloquear todo su potencial.

Manejo de Datos y Embeddings: Descubre cómo transformar y gestionar documentos, crear embeddings, y almacenar vectores de manera eficiente utilizando bases de datos vectoriales.

Construcción de Cadenas y Agentes: Desarrolla modelos secuenciales con memoria y agentes inteligentes capaces de realizar tareas complejas, como búsqueda de información avanzada y análisis automático de SQL.

¿Por Qué Elegir Este Curso?

Enfocado en la Práctica:

Nuestra metodología se centra en aplicaciones prácticas, asegurando que lo que aprendes puedes aplicarlo inmediatamente.

Experto en el Campo: Aprende de instructores con experiencia en la industria que han trabajado en la implementación de soluciones avanzadas de IA.

Comunidad Activa: Únete a una comunidad vibrante de estudiantes y profesionales, comparte conocimientos y recibe soporte durante y después del curso.

No pierdas la oportunidad de adelantarte en el mundo de la inteligencia artificial. Inscríbete ahora y comienza a transformar tus ideas en realidad con Langchain y Python.

Profesionales interesados en integrar modelos de lenguaje avanzados en sus aplicaciones.

Desarrolladores que deseen aprender a utilizar herramientas modernas como Langchain para mejorar la interacción con los usuarios.

Ingenieros de datos que buscan optimizar el procesamiento y almacenamiento de datos utilizando embeddings y bases de datos vectoriales.

Profesionales encargados de gestionar grandes volúmenes de datos y que desean mejorar su comprensión mediante modelos de lenguaje.

Profesionales que desean explorar las capacidades de los LLMs y su aplicación en diversas industrias. Científicos de datos interesados en construir y desplegar modelos de inteligencia artificial que interactúen con usuarios de manera efectiva.

Alumnos que deseen adquirir habilidades prácticas en el uso de tecnologías de vanguardia en inteligencia artificial y procesamiento de lenguaje natural.

Estudiantes que buscan proyectos aplicados que les permitan poner en práctica conceptos teóricos.

Innovadores que buscan crear productos y servicios basados en inteligencia artificial.

Líderes que desean comprender cómo las tecnologías de LLMs y Langchain pueden transformar sus negocios y procesos operativos.

Personas con un interés general en el campo de la inteligencia artificial que desean explorar sus aplicaciones prácticas.

Entusiastas que buscan una introducción comprensiva a la tecnología detrás de los LLMs y su implementación con Langchain.

Comprender qué son los Large Language Models (LLMs) y cómo funcionan.

Conocer la arquitectura y los componentes principales de Langchain. Instalar Python y la librería Langchain.

Configurar cuentas de API de OpenAI y gestionar claves para conectar con LLMs. Utilizar Langchain para interactuar con LLMs y construir modelos de chat efectivos.

Diseñar y aplicar plantillas de prompts para optimizar la entrada de datos en LLMs.

Parsear y procesar la salida de los modelos para obtener resultados útiles.

Transformar documentos y manejar cargadores para integraciones con plataformas como Google y AWS.

Crear embeddings de texto y almacenar vectores en bases de datos para potenciar los LLMs con tus propios datos.

Optimizar resultados mediante la compresión de datos utilizando LLMs.

Diseñar modelos de cadena secuencial simples y avanzados en Langchain.

Enrutar cadenas con LLMRouterChain para mejorar la estructura y flujo de las aplicaciones.

Entender el concepto de memoria en Langchain y cómo implementarla.

Crear buffers de memoria completos, resumidos y con ventana para manejar conversaciones.

Desarrollar agentes que utilicen motores de búsqueda para mejorar sus respuestas.

Crear agentes programadores de código y herramientas personalizadas.

Implementar agentes conversacionales que puedan interactuar de manera efectiva utilizando LLMs y Langchain.

Aplicar el conocimiento adquirido para crear sistemas RAG con bases de datos vectoriales.

Crear agentes que realicen análisis automáticos de SQL a partir de consultas en lenguaje natural.

Se recomienda tener conocimientos básicos de Python, aunque todo el desarrollo de los casos se explicará desde cero.

Contenidos

Qué es un Large Language Model (LLM)?
Qué es Langchain y cuáles son sus componentes?
Instalación de Python y librería Langchain
Qué es una API? Configuración de la cuenta OpenAI y API Key
Resumen

Interacción y uso de Langchain con LLMs y Modelos de Chat
Plantillas de prompts con Langchain para el modelo de entrada
Parsear y procesar la salida
Serialización de prompts (guardar y cargar)
Resumen

Cargadores de documentos
Caso de uso – Carga de ficheros pdf y conexión con LLM para resumen de documentos
Cargadores de documentos integraciones con otras plataformas (Google, AWS, Wikipedia)
Transformación de documentos
Incrustación de texto y creación de vectores (embeddings)
Almacenamiento de vectores en base de datos
Compresión y optimización de resultados a partir de LLMs
Resumen

Qué son las cadenas y cómo crear el primer modelo de cadena secuencial simple?
Construcción del Modelo Secuencial Completo
Enrutamiento a cadenas con LLMRouterChain
Cadenas de Transformación
Cadenas para Preguntas y Respuestas sobre nuestros datos
Resumen

Qué es la memoria en Langchain y qué tipos de memoria podemos implementar?
Creación de Buffer de Memoria completa de una Conversación
Creación de Buffer de Memoria con Ventana
Creación de Buffer de Memoria Resumida
Resumen

Qué son los agentes y cómo implementar un primer caso de uso?
Creación de agente potenciado con motor de búsqueda
Creación de agente programador de código
Creación de herramientas personalizadas
Agentes conversacionales con memoria
Resumen

PROYECTO: Creación de Agente Chatbot con memoria a partir de sistema RAG con nuestra BD Vectorial
PROYECTO: Creación de Agente para Análisis automático SQL a partir de consultas en lenguaje natural
Resumen

Detalles del curso

25 horas de formación online

7 unidades de aprendizaje

7 prácticas

206 min. de vídeo

7 test de evaluación

Certificado de aprovechamiento

Sin horarios

109,00 €

¿Quieres bonificar esta formación?

Te ayudamos a gestionar la bonificación y resolver todas tus dudas sobre el proceso.

hablar con consultor