Inteligencia Artificial Aplicada

Agentes, RAG, LLMs y automatización

Inteligencia Artificialintermedio8 semanas4 módulos

Aprenda a integrar inteligencia artificial en aplicaciones reales. Agentes conversacionales, RAG (Retrieval-Augmented Generation), modelos locales con Ollama, automatizaciones con n8n y prompt engineering.

Objetivos

  • Entender el funcionamiento de los LLMs modernos
  • Crear prompts efectivos para diferentes casos de uso
  • Implementar sistemas RAG con ChromaDB
  • Construir agentes IA con LangChain
  • Automatizar procesos con n8n e IA

Requisitos

  • Python a nivel básico
  • Conceptos de APIs REST
  • Computador con 8 GB RAM (16 GB recomendado para modelos locales)

Plan de Estudios

1

Fundamentos de IA

LLMs, tokens, embeddings, temperatura, contexto, APIs.

¿Qué es un LLM?
Tokens y contexto
Embeddings
APIs (OpenAI, Claude, Ollama)
Modelos locales vs cloud
2

Prompt Engineering

System prompts, few-shot, chain-of-thought, templates.

System prompts
Few-shot learning
Chain of Thought
Templates reutilizables
Práctica: asistente DTF
3

RAG (Retrieval-Augmented Generation)

Chunking, embeddings, ChromaDB, retrieval, prompt builder.

¿Qué es RAG?
Document chunking
Embeddings y ChromaDB
Retrieval strategies
Proyecto: QA sobre documentos
4

Agentes y Automatización

Agentes IA, n8n, LangChain, tools, flujos de trabajo.

Agentes con LangChain
Tools y function calling
n8n fundamentals
Automatización de procesos
Proyecto: agente DTF

Tecnologías que Aprenderá

PythonOllamaChromaDBLangChainn8nFastAPI

¿Listo para empezar?

Inscríbase en Inteligencia Artificial Aplicada y comience a construir proyectos reales con metodología DTF.