25 HORAS
206,25 € + 21% IVA · Formación 100% bonificable
¿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 la forma en que interactúas con los datos y el resto de herramientas que tienes a tu alrededor.
No pierdas la oportunidad de adelantarte en el mundo de la inteligencia artificial. Inscríbete ahora y comienza a transformar tus ideas en realidad con Langchain y Python.
Dirigido a
Profesionales interesados en integrar modelos de lenguaje avanzados en sus aplicaciones.Desarrolladores que deseen aprender a utilizar herramientas modernas como Langchain para mejorar la interacción con los usuarios.Ingenieros de datos que buscan optimizar el procesamiento y almacenamiento de datos utilizando embeddings y bases de datos vectoriales.Profesionales encargados de gestionar grandes volúmenes de datos y que desean mejorar su comprensión mediante modelos de lenguaje.Profesionales que desean explorar las capacidades de los LLMs y su aplicación en diversas industrias.Científicos de datos interesados en construir y desplegar modelos de inteligencia artificial que interactúen con usuarios de manera efectiva.Alumnos que deseen adquirir habilidades prácticas en el uso de tecnologías de vanguardia en inteligencia artificial y procesamiento de lenguaje natural.Estudiantes que buscan proyectos aplicados que les permitan poner en práctica conceptos teóricos.Innovadores que buscan crear productos y servicios basados en inteligencia artificial.Líderes que desean comprender cómo las tecnologías de LLMs y Langchain pueden transformar sus negocios y procesos operativos.Personas con un interés general en el campo de la inteligencia artificial que desean explorar sus aplicaciones prácticas.Entusiastas que buscan una introducción comprensiva a la tecnología detrás de los LLMs y su implementación con Langchain.
¿Qué competencias vas a adquirir?
Comprender qué son los Large Language Models (LLMs) y cómo funcionan.Conocer la arquitectura y los componentes principales de Langchain.Instalar Python y la librería Langchain.Configurar cuentas de API de OpenAI y gestionar claves para conectar con LLMs.Utilizar Langchain para interactuar con LLMs y construir modelos de chat efectivos.Diseñar y aplicar plantillas de prompts para optimizar la entrada de datos en LLMs.Parsear y procesar la salida de los modelos 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.Crear buffers de memoria completos, resumidos y con ventana para manejar conversaciones.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.
Requisitos
Se recomienda tener conocimientos básicos de Python, aunque todo el desarrollo de los casos se explicará desde cero.
Introducción a Langchain y LLMs
- ¿Qué es un Large Language Model (LLM)?
- ¿Qué es Langchain y cuáles son sus componentes?
- Instalación de Python y librería Langchain
- ¿Qué es una API? Configuración de la cuenta OpenAI / Groq y API Key
- Resumen
Modelos de Entrada / Salida en Langchain
- Interacción y uso de Langchain con LLMs y Modelos de Chat
- Plantillas de prompts con Langchain para el modelo de entrada
- Parsear y procesar la salida
- Serialización de prompts (guardar y cargar)
- Resumen
Conectores de Datos en Langchain
- Cargadores de documentos
- Caso de uso – Carga de ficheros pdf y conexión con LLM para resumen de documentos
- Cargadores de documentos – integraciones con otras plataformas (Google, AWS, Wikipedia…)
- Transformación de documentos
- Incrustación de texto y creación de vectores (embeddings)
- Almacenamiento de vectores en base de datos
- Compresión y optimización de resultados a partir de LLMs
- Resumen
Cadenas en Langchain
- ¿Qué son las cadenas y cómo crear el primer modelo de cadena secuencial simple?
- Construcción del Modelo Secuencial Completo
- Enrutamiento a cadenas con LLMRouterChain
- Cadenas de Transformación
- Cadenas para Preguntas y Respuestas sobre nuestros datos
- Resumen
Memoria en Langchain
- ¿Qué es la memoria en Langchain y qué tipos de memoria podemos implementar?
- Creación de Buffer de Memoria completa de una Conversación
- Creación de Buffer de Memoria con Ventana
- Creación de Buffer de Memoria Resumida
- Resumen
Agentes en Langchain
- ¿Qué son los agentes y cómo implementar un primer caso de uso?
- Creación de agente potenciado con motor de búsqueda
- Creación de agente programador de código
- Creación de herramientas personalizadas
- Agentes conversacionales con memoria
- Resumen
Agentes en Langchain: Desarrollo de proyectos reales
- PROYECTO: Creación de Agente Chatbot con memoria a partir de sistema RAG con nuestra BD Vectorial
- PROYECTO: Creación de Agente para Análisis automático SQL a partir de consultas en lenguaje natural
- Resumen

PRESENTACION
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 la forma en que interactúas con los datos y el resto de herramientas que tienes a tu alrededor.
No pierdas la oportunidad de adelantarte en el mundo de la inteligencia artificial. Inscríbete ahora y comienza a transformar tus ideas en realidad con Langchain y Python.
Dirigido a
Profesionales interesados en integrar modelos de lenguaje avanzados en sus aplicaciones.Desarrolladores que deseen aprender a utilizar herramientas modernas como Langchain para mejorar la interacción con los usuarios.Ingenieros de datos que buscan optimizar el procesamiento y almacenamiento de datos utilizando embeddings y bases de datos vectoriales.Profesionales encargados de gestionar grandes volúmenes de datos y que desean mejorar su comprensión mediante modelos de lenguaje.Profesionales que desean explorar las capacidades de los LLMs y su aplicación en diversas industrias.Científicos de datos interesados en construir y desplegar modelos de inteligencia artificial que interactúen con usuarios de manera efectiva.Alumnos que deseen adquirir habilidades prácticas en el uso de tecnologías de vanguardia en inteligencia artificial y procesamiento de lenguaje natural.Estudiantes que buscan proyectos aplicados que les permitan poner en práctica conceptos teóricos.Innovadores que buscan crear productos y servicios basados en inteligencia artificial.Líderes que desean comprender cómo las tecnologías de LLMs y Langchain pueden transformar sus negocios y procesos operativos.Personas con un interés general en el campo de la inteligencia artificial que desean explorar sus aplicaciones prácticas.Entusiastas que buscan una introducción comprensiva a la tecnología detrás de los LLMs y su implementación con Langchain.
¿Qué competencias vas a adquirir?
Comprender qué son los Large Language Models (LLMs) y cómo funcionan.Conocer la arquitectura y los componentes principales de Langchain.Instalar Python y la librería Langchain.Configurar cuentas de API de OpenAI y gestionar claves para conectar con LLMs.Utilizar Langchain para interactuar con LLMs y construir modelos de chat efectivos.Diseñar y aplicar plantillas de prompts para optimizar la entrada de datos en LLMs.Parsear y procesar la salida de los modelos 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.Crear buffers de memoria completos, resumidos y con ventana para manejar conversaciones.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.
Requisitos
Se recomienda tener conocimientos básicos de Python, aunque todo el desarrollo de los casos se explicará desde cero.
CONTENIDO
Introducción a Langchain y LLMs
- ¿Qué es un Large Language Model (LLM)?
- ¿Qué es Langchain y cuáles son sus componentes?
- Instalación de Python y librería Langchain
- ¿Qué es una API? Configuración de la cuenta OpenAI / Groq y API Key
- Resumen
Modelos de Entrada / Salida en Langchain
- Interacción y uso de Langchain con LLMs y Modelos de Chat
- Plantillas de prompts con Langchain para el modelo de entrada
- Parsear y procesar la salida
- Serialización de prompts (guardar y cargar)
- Resumen
Conectores de Datos en Langchain
- Cargadores de documentos
- Caso de uso – Carga de ficheros pdf y conexión con LLM para resumen de documentos
- Cargadores de documentos – integraciones con otras plataformas (Google, AWS, Wikipedia…)
- Transformación de documentos
- Incrustación de texto y creación de vectores (embeddings)
- Almacenamiento de vectores en base de datos
- Compresión y optimización de resultados a partir de LLMs
- Resumen
Cadenas en Langchain
- ¿Qué son las cadenas y cómo crear el primer modelo de cadena secuencial simple?
- Construcción del Modelo Secuencial Completo
- Enrutamiento a cadenas con LLMRouterChain
- Cadenas de Transformación
- Cadenas para Preguntas y Respuestas sobre nuestros datos
- Resumen
Memoria en Langchain
- ¿Qué es la memoria en Langchain y qué tipos de memoria podemos implementar?
- Creación de Buffer de Memoria completa de una Conversación
- Creación de Buffer de Memoria con Ventana
- Creación de Buffer de Memoria Resumida
- Resumen
Agentes en Langchain
- ¿Qué son los agentes y cómo implementar un primer caso de uso?
- Creación de agente potenciado con motor de búsqueda
- Creación de agente programador de código
- Creación de herramientas personalizadas
- Agentes conversacionales con memoria
- Resumen
Agentes en Langchain: Desarrollo de proyectos reales
- PROYECTO: Creación de Agente Chatbot con memoria a partir de sistema RAG con nuestra BD Vectorial
- PROYECTO: Creación de Agente para Análisis automático SQL a partir de consultas en lenguaje natural
- Resumen
PRECIOS



