Curso Práctico de Langchain y LLM: Desarrolla Aplicaciones de IA en Python

¿Estás listo para llevar tus habilidades en Inteligencia Artificial al siguiente nivel con Langchain?

Este curso de Langchain y LLMs con Python está diseñado para equiparte con las herramientas y el conocimiento necesarios para dominar el futuro del desarrollo tecnológico. Aprende a integrar los potentes Modelos de Lenguaje de Última Generación (LLMs) en tus aplicaciones y transforma cómo interactúas con los datos y el resto de herramientas que tienes a tu alrededor.

Además, Langchain nos ofrece una manera estándar de conectar con cualquier LLM o fuente de datos para crear nuestras propias aplicaciones de IA, por tanto, si en el futuro necesitamos cambiar a otro LLM más potente, no tendremos que rehacer todo el desarrollo, únicamente cambiar la conexión a otro LLM sin desperdiciar tiempo y esfuerzo.

Construye potentes aplicaciones de IA Generativa con LLM y Langchain usando Python.

¿Qué Ofrecemos?

• Fundamentos Sólidos: Comienza con una comprensión clara de qué son los LLMs y cómo Langchain puede ser la clave para desbloquear todo su potencial.
• Instalación y Configuración: Te guiamos paso a paso en la instalación de Python y Langchain, y en la configuración de APIs, para que puedas empezar sin contratiempos.
• Interacción Avanzada: Aprende a crear modelos de chat efectivos y a diseñar prompts optimizados que saquen lo mejor de los LLMs, revolucionando la manera en que tus aplicaciones procesan y presentan la información.
• Manejo de Datos y Embeddings: Descubre cómo transformar y gestionar documentos, crear embeddings, y almacenar vectores de manera eficiente utilizando bases de datos vectoriales con tus propios datos.
• Construcción de Cadenas y Agentes: Desarrolla modelos secuenciales y agentes inteligentes capaces de realizar tareas complejas, como búsqueda de información avanzada, chatbots que combinen conocimiento interno y externo o bien análisis automático de SQL.
• Memoria en Langchain: Implementa memoria de conversación en tus aplicaciones para ofrecer experiencias más humanas y fluidas manteniendo el histórico.
• Casos Prácticos Reales: Construiremos proyectos reales y relevantes, desde chatbots con memoria hasta sistemas de análisis SQL basados en consultas en lenguaje natural.

¿Por Qué Elegir Este Curso?

• Enfocado en la Práctica: La metodología se centra en aplicaciones prácticas, asegurando que lo que aprendes puedes aplicarlo inmediatamente. Todo el contenido está desarrollado con videotutoriales guiados por el docente.

• Acceso de por vida: Tendrás acceso al material por tiempo ilimitado para que lo hagas a tu ritmo.

• Scripts reutilizables: Dispones de todo el material del curso y scripts que puedes adaptar a tu caso de uso concreto de manera inmediata.

• Flexibilidad: Podrás empezar cuando quieras y estudiar a tu ritmo, ya que dispones de un sistema activo 24 horas los 365 días del año.

• ¿Qué aprenderás?

• Comprender qué son los Large Language Models (LLMs) y cómo interactuar con ellos de manera efectiva.

• Conocer la arquitectura y los componentes principales de Langchain.

• Configurar APIs para conectar con LLMs.

• Diseñar y aplicar con Langchain las plantillas de prompts para optimizar la entrada de datos en LLMs.

• Estandarizar tus desarrollos de IA con Langchain y poder usar o cambiar a cualquier otro LLM sin esfuerzo.

• Parsear y procesar la salida de los modelos LLM para obtener resultados útiles.

• Transformar documentos y manejar cargadores para integraciones con plataformas como Google y AWS.

• Crear embeddings de texto y almacenar vectores en bases de datos para potenciar los LLMs con tus propios datos.

• Optimizar resultados mediante la compresión de datos utilizando LLMs.

• Diseñar modelos de cadena secuencial simples y avanzados en Langchain.

• Enrutar cadenas con LLMRouterChain para mejorar la estructura y flujo de las aplicaciones.

• Entender el concepto de memoria en Langchain y cómo implementarla.

• Desarrollar agentes que utilicen motores de búsqueda para mejorar sus respuestas.

• Crear agentes programadores de código y herramientas personalizadas.

• Implementar agentes conversacionales que puedan interactuar de manera efectiva utilizando LLMs y Langchain.

• Aplicar el conocimiento adquirido para crear sistemas RAG con bases de datos vectoriales.

• Crear agentes que realicen análisis automáticos de SQL a partir de consultas en lenguaje natural.

Inscríbete ahora y comienza a transformar tus ideas en realidad con Langchain y Python para desbloquear infinitas posibilidades.

• Comprender los LLMs y Langchain, configurar APIs, y diseñar plantillas de prompts.
• Estandarizar desarrollos con Langchain, procesar salidas de LLMs, y manejar integraciones con Google y AWS.
• Crear embeddings, optimizar resultados y diseñar modelos en Langchain. Implementar memoria, agentes, y sistemas RAG con bases de datos vectoriales y análisis SQL.

Es imprescindible contar con conocimientos previos de programación en Python y una comprensión básica de modelos de lenguaje LLM.

1. INTRODUCCIÓN A LANGCHAIN Y LLMs
   1. ¿Qué es un Large Language Model (LLM)?
   2. ¿Qué es Langchain y cuáles son sus componentes?
   3. Instalación de Python y librería Langchain
   4. ¿Qué es una API? Configuración de la cuenta OpenAI y API Key
2. MODELOS DE ENTRADA / SALIDA EN LANGCHAIN
   1. Interacción y uso de Langchain con LLMs y Modelos de Chat
   2. Plantillas de prompts con Langchain para el modelo de entrada
   3. Parsear y procesar la salida
   4. Serialización de prompts (guardar y cargar)
3. CONECTORES DE DATOS EN LANGCHAIN
   1. Cargadores de documentos
   2. Caso de uso - Carga de ficheros pdf y conexión con LLM para resumen de documentos
   3. Cargadores de documentos – integraciones con otras plataformas (Google, AWS, Wikipedia,…)
   4. Transformación de documentos
   5. Incrustación de texto y creación de vectores (embeddings)
   6. Almacenamiento de vectores en base de datos
   7. Compresión y optimización de resultados a partir de LLMs
4. CADENAS EN LANGCHAIN
   1. ¿Qué son las cadenas y cómo crear el primero modelo de cadena secuencial simple?
   2. Construcción del Modelo Secuencial Completo
   3. Enrutamiento a cadenas con LLMRouterChain
   4. Cadenas de Transformación
   5. Cadenas para Preguntas y Respuestas sobre nuestros datos
5. MEMORIA EN LANGCHAIN
   1. ¿Qué es la memoria en Langchain y qué tipos de memoria podemos implementar?
   2. Creación de Buffer de Memoria completa de una Conversación
   3. Creación de Buffer de Memoria con Ventana
   4. Creación de Buffer de Memoria Resumida
6. AGENTES EN LANGCHAIN
   1. ¿Qué son los agentes y cómo implementar un primer caso de uso?
   2. Creación de agente potenciado con motor de búsqueda
   3. Creación de agente programador de código
   4. Creación de herramientas personalizadas
   5. Agentes conversacionales con memoria
   6. PROYECTO: Creación de Agente Chatbot con memoria a partir de sistema RAG con nuestra BD Vectorial
   7. PROYECTO: Creación de Agente para Análisis automático SQL a partir de consultas en lenguaje natural