Langchain y LLM: Desarrolla Aplicaciones de IA en Python-3h

1-Bienvenida / Información importante

2-¿Qué es un Large Language Model (LLM)?

3-¿Qué es Langchain y cuáles son sus componentes?

4-Instalación de Python y librería Langchain

5-NOTA: Scripts Langchain 1.x actualizados

6-¿Qué es una API? Configuración de la cuenta OpenAI y API Key

7-Uso de LLM Open Source en local con Ollama

Sección 1: Resumen

Sección 1: Negocio

Sección 1: Presentación

8-Interacción y uso de Langchain con LLMs y Modelos de Chat

9-Plantillas de prompts con Langchain para el modelo de entrada

10-Parsear y procesar la salida

11-Serialización de prompts (guardar y cargar)

Sección 2: Resumen

Sección 2: Negocio

Sección 2: Presentación

12-Cargadores de documentos

13-Caso de uso - Carga de ficheros pdf y conexión con LLM para resumen de documento

14-Cargadores de documentos – integraciones con otras plataformas (Google, AWS, Wik

15-Transformación de documentos

16-Incrustación de texto y creación de vectores (embeddings)

17-Almacenamiento de vectores en base de datos

18-Compresión y optimización de resultados a partir de LLMs

Sección 3: Resumen

Sección 3: Negocio

Sección 3: Presentación

19-¿Qué son las cadenas y cómo crear el primero modelo de cadena secuencial simple?

20-Construcción del Modelo Secuencial Completo

21-Enrutamiento a cadenas con LLMRouterChain

22-Cadenas de Transformación

23-Cadenas para Preguntas y Respuestas sobre nuestros datos

24-NOTA: Enfoque clásico vs Enfoque runnable

Sección 4: Resumen

Sección 4: Negocio

Sección 4: Presentación

25-¿Qué es la memoria en Langchain y qué tipos de memoria podemos implementar?

26-Creación de Buffer de Memoria completa de una Conversación

27-Creación de Buffer de Memoria con Ventana

28-Creación de Buffer de Memoria Resumida

Sección 5: Resumen

Sección 5: Negocio

Sección 5: Presentación

29-¿Qué son los agentes y cómo implementar un primer caso de uso?

30-Creación de agente potenciado con motor de búsqueda

31-Creación de agente programador de código

32-Creación de herramientas personalizadas

33-NOTA: Creación de agente con arquitectura runnable

34-Agentes conversacionales con memoria

35-PROYECTO: Agente Chatbot con memoria a partir de nuestros datos (sistema RAG)

36-PROYECTO: Agente para Análisis automático SQL a partir de lenguaje natural

Sección 6: Resumen

Sección 6: Negocio

Sección 6: Presentación

37-Sigue tu evolución: el siguiente paso en tu aprendizaje

38-Clase Extra

Sección 7: Resumen

Sección 7: Negocio

Sección 7: Presentación