Python: Inteligencia artificial aplicada

Curso práctico de Python aplicado a IA: crea agentes, domina prompts, usa OpenAI, implementa RAG, orquesta con LangChain y despliega con FastAPI. Aprende a llevar IA real a producción con proyectos útiles.

Adquirir Ahora Vista previa gratis

Contenido del curso

1. Introducción a la sección
2. Temas puntuales de la sección
3. Prompts para desarrolladores
4. Rol: User
5. Rol: System
6. Rol: Assistant
7. Aplicando roles y prompts
8. Helper: Creación de cliente
9. Técnicas de prompting
10. Zero-shot
11. Few-shot
12. Código fuente de la sección
1. Introducción a la sección
2. Temas puntuales de la sección
3. ¿Qué vamos a construir?
4. Retornar formato: texto
5. Retorno formato: JSON
6. Extractor de noticias
7. Servicio - Obtener noticias por API
8. Extractor de noticias por API
9. Function Calling - Introducción
10. Function Calling -Tools y función principal
11. Function Calling - Dispatcher y loop de ejecución
12. Function Calling - Ejecutando tool
13. Function Calling - Servicio API
14. Function Calling - Utilizando servicio
15. Código fuente de la sección
1. Introducción a la sección
2. Temas puntuales de la sección
3. ¿Qué vamos a construir?
4. Introducción a RAG
5. El problema de la ventana de contexto
6. Embeddings
7. Similitud coseno
8. Similitud coseno - parte 2
9. Demostración de búsqueda semántica
10. Bases de datos vectoriales
11. ChromaDB - Teoría
12. ChromaDB - Configurando la base de datos
13. ChromaDB - Agregar documentos
14. ChromaDB - Buscar documentos similares
15. ChromaDB - Demo completa
16. ChromaDB - Analizando base de datos vectorial
17. RAG pipeline - Crear proyecto
18. RAG pipeline - Indexación
19. RAG pipeline - Consulta
20. RAG pipeline - Respuesta - Contexto
21. RAG pipeline - Generar respuesta con el LLM
22. RAG pipeline - Demo completa
23. Código fuente de la sección
1. Introducción a la sección
2. Temas puntuales de la sección
3. ¿Qué vamos a construir?
4. Imports y configuración
5. PDFProcessor
6. IndexRegistry - Guardar de archivo a memoria
7. IndexRegistry - Guardar de memoria a archivo
8. IndexRegistry - Métodos de indexado y properties
9. ChatWithPDFs - Constructor
10. Indexar PDFs - Verificar PDFs indexados
11. IndexarPDFs - Generar chunks de PDFs
12. Mostrar estatus
13. Método Chat
14. Método Chat - Parte 2
15. Main y Demo
16. Código fuente de la sección
1. Introducción a la sección
2. Temas puntuales de la sección
3. ¿Qué vamos a construir?
4. Introducción a LangChain
5. Arquitectura del proyecto
6. LangChain charla rápida (opcional)
7. UV Gestor de paquetes
8. Creando proyecto y primeras instalaciones
9. Archivo de configuración
10. Cliente LLM (centralizado)
11. Demo LCEL - Main Function
12. Cadena simple
13. Inspección de pasos
14. Batch
15. Streaming
16. Passthrough
17. Código fuente de la sección
1. Introducción a la sección
2. Temas puntuales de la sección
3. ¿Qué vamos a construir?
4. Memoria persistente
5. Interfaz base para memoria
6. Memoria usando SQLite
7. Instalación PostgreSQL con Docker
8. Posibles problemas al usar PostgreSQL con Docker y en local
9. Memoria usando PostgreSQL
10. Módulo de memoria para importación
11. Cadena base del asistente
12. Demo Chatbot - Construir chatbot
13. Demo Chatbot - Chat session
14. Demo Chatbot - Chat session - parte 2
15. Demo Chatbot - Main y pruebas
16. Demo Chatbot - Pruebas con PostgreSQL
17. Código fuente de la sección
1. Introducción a la sección
2. Temas puntuales de la sección
3. ¿Qué vamos a construir?
4. Embeddings - Vector Store
5. Pipeline RAG - Format Docs
6. Pipeline RAG con LangChain
7. Document loader - Cargar archivo
8. Document loader - Cargar directorio
9. Document loader - Split documents
10. Demo RAG - Indexar documentos
11. Demo RAG - Fuentes consultadas
12. Demo RAG - Comandos especiales
13. Demo RAG - Generar respuesta
14. Código fuente de la sección
1. Introducción a la sección
2. Temas puntuales de la sección
3. ¿Qué vamos a construir?
4. ¿Qué es LangGraph?
5. Estados
6. Nodo - Analizar pregunta
7. Nodo - Recuperar documentos
8. Nodo - Generar respuesta
9. Función de decisión para Edge Conditional
10. Construir agente RAG
11. Módulo de grafos LangGraph
12. Demo LangGraph - Setup Vectorstore
13. Demo LangGraph - Memory Backend
14. Demo LangGraph - Gestión de sesiones
15. Demo LangGraph - Cargar historial
16. Demo LangGraph - Guardar mensajes
17. Demo LangGraph - Run Chat - Comandos especiales
18. Demo LangGraph - Run Chat - Invocar Grafo
19. Demo LangGraph - Run Chat - Respuesta
20. Demo LangGraph - Main
21. Demo LangGraph - Solucionando errores
22. Demo LangGraph - Probando flujo completo
23. Código fuente de la sección
1. Más información sobre nuestros otros cursos
2. Despedida del curso

Acerca de este curso

$60.00
157 lecciones
18 horas de contenido en video
Ricardo Cuéllar

Requisitos previos

• Python Fundamentos (Básico-Intermedio o intermedio)
• Fundamentos de bases de datos.
• Ingeniería de prompts (Deseable, no obligatorio)

Descripción del curso

Bienvenidos al curso de Python: Inteligencia Artificial aplicada, este curso tiene como objetivo mostrarte el cómo se estructura un proyecto en Python con Inteligencia Artificial y recorrer junto contigo cada uno de los conceptos importantes en el mundo de la IA.

Este curso te ayudará a entender a cómo integrar aplicaciones de IA con nuestros conocimientos de Python para crear implementaciones personalizadas.

La Inteligencia Artificial es una de las habilidades más demandadas del mercado y la que tendrá un crecimiento exponencial en los últimos años. Con los conocimientos base podrás mantenerte en la vanguardia.

Aprender Python con IA es una inversión en tu futuro como ingeniero de Software. Te dará las herramientas para crear proyectos profesionales, abrir más oportunidades laborales y diferenciarte en un mercado que cada vez demanda más desarrolladores con estas habilidades.

¿Qué aprenderás en el curso?

Estos son algunos de los temas que veremos:

Introducción a la IA Aplicada: APIKey de OpenAI, Tokens y LLM.
Prompts: Zero-shot, Few-shot, Chain-of-Thought, Prompt template y System prompt (Roles).
Técnicas Avanzadas de Prompts: JSON return y Function calling.
RAG (Retrieval-Augmented Generation):
- Bases de datos vectoriales
- Embeddings e Indexación
- Chroma DB
- Similitud coseno
LangChain: LCEL (LangChain Expression Language).
Memoria Persistente: SQLite y PostgreSQL.
LangGraph: Nodos, Edges y Estados.
Y muchas cosas más…

Objetivo del curso

El objetivo principal es que conozcas y aprendas IA aplicada con Python para que puedas entender los fundamentos y la esencia para crear proyectos aún más avanzados. Cada sección fue pensada para que conozcas una parte de este mundo de la IA y de conceptos con los que nos atravesamos día a día.

Resultados al finalizar

Al finalizar el curso estarás preparado para:

Enfrentar proyectos y tareas sencillas con Python e IA
Postular a empleos como AI Engineer
Ser parte esencial de un equipo de desarrollo
O incluso lanzar tus propios proyectos que necesiten de la IA de forma personalizada.

🤖 ¡Te espero en el curso y deseo mucho éxito en tu trayectoria profesional!

Cursos que podrían interesarte

OFERTAS RECURSOS GRATUITOS

Pago único

Adquiere el curso con un único pago de forma vitalicia, con acceso a la comunidad y posibles actualizaciones futuras.

$60.00

Promociones y descuentos aplican.

COMPRAR AHORA

¿Listo para explorar sin límites?

✦— Elige tu suscripción DevTalles PRO

Devtalles PRO Mensual

^USD18

¡Empieza hoy!

SABER MÁS

DevTalles PRO Trimestral

^USD54

3 meses para subir de nivel.

SABER MÁS

DevTalles PRO Semestral

^USD108

Especializate en 6 meses.

SABER MÁS

DevTalles PRO Anual

✦ El mejor valor

^USD198

12 meses por el precio de 11.

SABER MÁS

¿Cuál es el siguiente paso?

Si quieres profundizar tu conocimiento en Python, te invitamos a seguir la Ruta de aprendizaje de Python, diseñada para que sigas aprendiendo.

Ver ruta