Construcción de Agentes de IA con LLMs, RAG y Grafos de Conocimiento

A medida que la inteligencia artificial evoluciona, los modelos de lenguaje estáticos ya no son suficientes para resolver problemas complejos del mundo real. Para construir sistemas verdaderamente inteligentes, necesita combinar el poder de razonamiento de los Modelos de Lenguaje Grandes (LLMs) con fuentes de datos externas dinámicas. Este curso lo guía desde los conceptos fundamentales de IA hasta el diseño de sistemas agenticos que pueden recuperar información, razonar sobre conocimiento estructurado y tomar acciones autónomas. Aprenderá a integrar la Generación Aumentada por Recuperación (RAG) y los Grafos de Conocimiento para eliminar las alucinaciones del modelo y proporcionar respuestas precisas y ricas en contexto. Lo que aprenderá: - Comprender la terminología central de LLMs, búsqueda vectorial y flujos de trabajo agenticos - Implementar la Generación Aumentada por Recuperación (RAG) para conectar modelos a bases de datos de texto externas - Diseñar Grafos de Conocimiento para representar relaciones estructuradas complejas para un razonamiento de IA más profundo - Configurar agentes de IA que utilizan llamadas a herramientas y ejecución de funciones para resolver tareas de varios pasos - Aplicar patrones de ingeniería de prompts para guiar el comportamiento y la toma de decisiones del agente - Practicar la construcción de arquitecturas híbridas que combinan las fortalezas de las bases de datos vectoriales y las bases de datos de grafos Comenzará con lo más básico, aprendiendo las definiciones centrales de IA generativa y estructuras de grafos, antes de pasar a ejemplos de código de orquestación de agentes y pipelines de recuperación. Este curso está diseñado para desarrolladores de software, entusiastas de los datos y profesionales de la tecnología que son nuevos en los agentes de IA y desean una introducción clara y paso a paso sin necesidad de requisitos previos avanzados de aprendizaje automático. Comience a leer hoy mismo para comenzar a construir sus propios agentes de IA inteligentes y basados en datos.