| Programa | El curso tendrá una duración total de 12 horas, distribuidas en 6 sesiones de 2 horas cada una. Las unidades temáticas son las siguientes:
- Fundamentos de los LLMs y primeros pasos con su API. Arquitectura Transformer, tokenización y panorama actual del mercado de modelos (abiertos y propietarios: GPT, Claude, Llama, Mistral, etc.). Técnicas esenciales de prompting (zero-shot, few-shot, chain-of-thought), parámetros de generación y primer contacto con las APIs de los principales proveedores desde Python.
- Desarrollo con LangChain. Componentes fundamentales del ecosistema LangChain (modelos, prompts, parsers, chains), LangChain Expression Language (LCEL) y trazado y depuración de aplicaciones con LangSmith. Construcción de las primeras aplicaciones encadenadas
- Retrieval-Augmented Generation (RAG). Embeddings, bases de datos vectoriales (Chroma, FAISS), estrategias de chunking, recuperación híbrida y reranking. Construcción guiada de un sistema RAG sobre documentación propia.
- Integración de herramientas: tool use, function calling y MCP. Cómo dotar al LLM de herramientas externas: APIs, consultas a bases de datos, ejecución de código y acceso a recursos del sistema. Introducción al Model Context Protocol (MCP) como estándar emergente de integración. Patrones de diseño y manejo de errores.
- Diseño de agentes con LangGraph y procesamiento de audio. Del concepto de agente ReAct a los grafos de estados con LangGraph: agentes con memoria, ramificación condicional, ciclos y control humano en el bucle (human-in-the-loop). Integración de capacidades de voz: reconocimiento automático del habla (ASR, p. ej. modelo Whisper) y síntesis de voz (TTS) para construir agentes conversacionales por voz.
- Sistemas multiagente, evaluación y caso práctico integrador. Patrones de colaboración entre agentes (supervisor, jerárquico, swarm). Métricas de evaluación de agentes y sistemas RAG, mitigación de alucinaciones, prompt injection, gestión de costes y observabilidad. Caso práctico integrador en el que se construye y despliega un agente completo (FastAPI) reuniendo los conceptos del curso.
|
