Desarrollo de asistentes virtuales con RAG y Agentes IA

El objetivo del curso es introducir los fundamentos de la IA generativa aplicada al desarrollo de asistentes virtuales inteligentes. El estudiante se familiarizará con los modelos de lenguaje (LLM) y las principales técnicas utilizadas para construir soluciones basadas en ellos, como el Fine Tuning y el Retrieval-Augmented Generation (RAG).

Mediante ejemplos prácticos, se aprenderá a desarrollar aplicaciones que combinan modelos LLM con almacenamiento vectorial, generación de embeddings y recuperación de contexto relevante. Además, se abordará el diseño de agentes capaces de orquestar tareas, conectarse con fuentes externas y ofrecer respuestas más precisas y contextuales.

Al finalizar, el estudiante comprenderá los conceptos clave de los modelos LLM, RAG y agentes, y contará con las herramientas necesarias para diseñar y construir sus propios asistentes virtuales basados en inteligencia artificial.

El curso se realiza online y consiste en 8 horas efectivas de formación teórica y práctica, repartidas en varios días, del siguiente modo:

Fecha	Actividad	Duración
Días 1 y 2	Teoría y práctica. Guiada por instructor.	Sesiones de 3 horas/día.
Días 3 a 8 (*)	Práctica. Proyecto individual.	6 días, (tiempo efectivo estimado: 4 horas).	A través de un proyecto individual el alumno podrá poner en práctica los conocimientos adquiridos.
Día 9	Exposición de proyectos y conclusiones. Guiada por instructor	Sesión de 2 horas	Conclusiones. Exposición de los proyectos, dudas y aprendizajes.

^{(*) Durante los días de práctica individual los alumnos podrán consultar dudas con el formador por email.}

Cada alumno deberá disponer de un ordenador portátil propio, con permisos de administración para poder instalar el software. Deberá disponer de una instalación de Docker y una cuenta de GitHub para poder acceder a la aplicación de ejemplo del curso.

Al inicio del curso se entregará la documentación oficial en castellano y, a la finalización y una vez superados los criterios de evaluación, se entregará a cada alumno su insignia digital acreditativa de la formación (ver "Criterios de evaluación").

Para realizar este curso se requieren conocimiento básicos de programación en lenguaje Python, utilizado para desarrollar los ejemplos, aunque no es necesario un especial conocimiento del mismo.

Se recomienda la realización del siguiente curso de 2 horas de duración: https://learning.intersystems.com/course/view.php?id=2462

Para que pueda considerarse que este curso ha sido completado con éxito, el alumno debe cumplir una asistencia superior al 85% del tiempo dedicado al curso y ha de terminar con éxito las prácticas o proyectos planteados por el instructor*.

^{* En todos los cursos en formato de impartición on-line, para facilitar la interacción con el instructor, se debe disponer de cámara incorporada o externa, que deberá estar siempre activa durante las partes teóricas y de resolución de dudas que lleve a cabo el instructor. El cumplimiento de este requisito sirve también para la confirmación de asistencia.}

Programa del Curso

Introducción a LLM ¿Qué es la IA generativa? ¿Qué es un LLM? ¿Cómo funciona LLM? Evolución

Fine tuning y RAG Fine tuning: Arquitectura. Implementación. RAG Arquitectura. Implementación.

Diseño de RAG Datos de contexto Generación de embeddings: Chunking. Modelos de embedding. Almacenamiento vectorial. Búsquedas vectoriales. Similitud coseno. Producto vectorial. Algoritmos de indexación Nearest Neighbour Exact Nearest Neighbour. Aproximate Nearest Neighbour. Reranking. Extracción del contexto y envío a LLM.

Agentes Inteligentes ¿Qué es un agente? Frameworks. Diagrama ejemplo soluciones complejas con agentes. Ejemplo de agente paso a paso. Introducción a MCP.

Conclusiones Repaso: factores que influyen para que tu solución no fracase. Repaso de casos de uso reales.

InterSystems se reserva el derecho de cancelar o reprogramar una clase al menos 10 días laborables antes de la fecha de inicio anunciada. Normalmente cancelaremos una clase si hay menos de cinco inscritos. En caso de cancelación por parte de InterSystems, reembolsaremos cualquier pago realizado por el curso cancelado.

La matrícula es totalmente reembolsable si el inscrito lo notifica a InterSystems al menos 10 días laborables antes de la fecha de inicio anunciada. En caso de cancelación posterior, se le abonará el importe correspondiente.