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