Objetivos
Este curso ofrece una formación práctica en el desarrollo de aplicaciones de inteligencia artificial generativa con Python, desde los fundamentos de los modelos de lenguaje hasta su integración en soluciones funcionales. Los participantes aprenderán a consumir modelos de IA, aplicar técnicas de Prompt Engineering, generar respuestas estructuradas y desarrollar chatbots con gestión del contexto. Además, se abordará el uso de PostgreSQL para almacenar conversaciones y FastAPI para crear servicios REST, integrando todos los conocimientos en el desarrollo de una aplicación inteligente.
Contenidos
- Introducción a la Inteligencia Artificial Generativa
- Qué es la Inteligencia Artificial Generativa y qué son los LLM
- Tokens, ventanas de contexto y modelos de chat
- Modelos cloud frente a modelos locales
- Introducción a Ollama y modelos de código abierto
- Aplicaciones tradicionales frente a aplicaciones inteligentes
- Arquitectura básica de una aplicación con IA
- Práctica: ejecutar un modelo de IA y realizar consultas desde un entorno preparado
- Python e integración de modelos de IA
- Preparación del entorno Python y Visual Studio Code
- Repaso de variables, funciones, diccionarios y JSON
- Librerías Python para consumir servicios de IA
- API Keys y variables de entorno
- Envío de mensajes y recepción de respuestas
- Procesamiento básico de resultados JSON
- Gestión de errores y excepciones
- Práctica: desarrollar un programa Python que envíe preguntas a un modelo y procese sus respuestas
- Prompt Engineering para desarrolladores
- System Prompt, User Prompt e instrucciones
- Zero-shot y Few-shot prompting
- Contexto y construcción de instrucciones eficaces
- Plantillas reutilizables de prompts
- Respuestas estructuradas mediante JSON
- Introducción a Pydantic
- Validación de respuestas generadas por IA
- Práctica: construir un conjunto de prompts reutilizables que devuelvan resultados estructurados y validados
- Desarrollo de chatbots con Python
- Arquitectura básica de un chatbot
- Conversaciones multi-turn
- Historial de mensajes y mantenimiento del contexto
- Sesiones y memoria de corto plazo
- Tratamiento de respuestas y errores
- Organización de funciones Python
- Introducción a los asistentes empresariales
- Práctica: crear un chatbot por terminal que conserve el contexto de una conversación
- PostgreSQL y persistencia de información
- Introducción a las bases de datos relacionales
- Instalación y configuración básica de PostgreSQL
- Tablas, registros, claves primarias y relaciones
- Operaciones SQL: SELECT, INSERT, UPDATE y DELETE
- Conexión de Python con PostgreSQL
- Introducción a SQLAlchemy
- Almacenamiento del historial de conversaciones
- Buenas prácticas de consultas parametrizadas
- Práctica: crear una base de datos que almacene usuarios ficticios, sesiones, mensajes y respuestas del chatbot
- Desarrollo de APIs REST con FastAPI
- Conceptos de HTTP y arquitectura REST
- Introducción a FastAPI y Uvicorn
- Creación de endpoints GET y POST
- Parámetros de entrada y respuestas JSON
- Validación mediante Pydantic
- Documentación automática con Swagger UI
- Conexión de FastAPI con PostgreSQL
- Gestión básica de errores HTTP
- Práctica: crear una API REST para consultar el chatbot y recuperar conversaciones almacenadas
- Integración y desarrollo de una aplicación inteligente
- Organización de un proyecto Python
- Integración del modelo LLM con FastAPI
- Persistencia del historial en PostgreSQL
- Recuperación de conversaciones anteriores
- Configuración de credenciales y variables de entorno
- Pruebas mediante Swagger UI
- Tratamiento de errores y validación funcional
- Presentación del proyecto final
- Práctica: construir una aplicación inteligente que responda preguntas, mantenga conversaciones y almacene su historial en PostgreSQL
Duración
Leave A Reply