Creación de Agentes de Inteligencia Artificial
Aprendé a diseñar y desarrollar agentes de IA capaces de utilizar herramientas, consultar información e interactuar con otros sistemas
Fundamentación
La Inteligencia Artificial Agéntica representa una evolución en el uso de la IA, permitiendo desarrollar sistemas capaces de planificar, utilizar herramientas, acceder a información y ejecutar tareas de manera autónoma. Su aplicación ofrece nuevas posibilidades para automatizar procesos y resolver problemas complejos en distintos ámbitos.
Este curso propone un abordaje práctico de la arquitectura, construcción y despliegue de agentes de IA, incorporando modelos de lenguaje, bases de conocimiento, APIs, herramientas externas y sistemas multiagente. Asimismo, se contemplan aspectos de seguridad, optimización y buenas prácticas para desarrollar soluciones eficientes y aplicables a proyectos reales.
Duración 16 horas
Inicio A confirmar
Modalidad A confirmar
Cursada A confirmar
Requisitos Conocimientos básicos de IA Generativa o haber realizado el curso Introducción a la IA Generativa.
Certificado UTN - FRH
Objetivo
El objetivo del curso es brindar a los estudiantes los conocimientos y herramientas necesarios para diseñar, desarrollar e integrar agentes de Inteligencia Artificial capaces de interactuar con modelos de lenguaje, herramientas externas, APIs y diversas fuentes de información. Se busca que puedan crear soluciones inteligentes orientadas a la automatización de tareas, el procesamiento de información y la resolución de problemas reales, aplicables tanto en contextos personales como profesionales.
Descuentos de la Regional FRH por Resolución de Consejo Directivo:
20% Para estudiantes regulares de la FRH.
10% Para Docentes y Graduados.
Docente
Sr. Damián De Luca
Conocé todos los cursos y capacitaciones
Programa
- Módulo 1: El nuevo paradigma de los agentes de IA: Evolución de la Inteligencia Artificial. Del chatbot al agente inteligente. Estado actual de la IA agéntica. Componentes de un agente moderno. Casos de uso actuales y tendencias. Ejemplos de agentes en sitios y aplicaciones reales.
- Módulo 2: Arquitectura de un agente: Modelos de lenguaje (LLM). Memoria, contexto y planificación. Uso de herramientas conectadas a la IA (Tool Calling). Protocolos de comunicación entre agentes y servicios. Introducción al Model Context Protocol (MCP). Patrones y arquitecturas de diseño de agentes. Autonomía y delegación de procesos.
- Módulo 3: Construcción de un agente: Cuándo conviene usar un agente y cuándo no. Diseño de la arquitectura de un agente. Implementación de agentes. Qué es Python y cómo puede ayudarnos en este trabajo. Conexión con proveedores de IA mediante APIs. Gestión de credenciales y costos. Estrategias para optimizar consumo de tokens y rendimiento.
- Módulo 4 : Conocimiento y recuperación de información: Bases de conocimiento. Indexación de documentos. Introducción a RAG (Retrieval-Augmented Generation). Búsqueda semántica y bases de datos vectoriales. Actualización y mantenimiento del conocimiento.
- Módulo 5: Agentes que utilizan herramientas: Integración con APIs y MCPs. Consumo de servicios externos. Automatización de procesos mediante herramientas. Análisis de datos, generación de informes y visualizaciones. Orquestación de tareas complejas.
- Módulo 6: Despliegue y operación: Ejecución local vs. servicios cloud. Modelos open source y comerciales. Infraestructura y requisitos de hardware. Seguridad, privacidad y gestión de datos. Monitoreo y evaluación del desempeño.
- Módulo 7: Sistemas multiagente: Coordinación entre múltiples agentes. Delegación y especialización de tareas. Comunicación entre agentes. Casos de uso empresariales. Limitaciones y desafíos.
- Módulo 8: Cómo planificar un proyecto completo: Integración con modelos de IA y herramientas externas. Implementación de una base de conocimiento. Pruebas, optimización y presentación del proyecto. Buenas prácticas.