Agentes de IA y IA agenética en Python: Potenciada por IA generativa
Los agentes de IA son el próximo salto en software. Aprenda a construirlos en Python Los agentes de IA no son herramientas pasivas. Piensan, actúan y resuelven
Lo que serás capaz de hacer
Los agentes de IA son el próximo salto en software. Aprenda a construirlos en Python Los agentes de IA no son herramientas pasivas. Piensan, actúan y resuelven problemas sin esperar instrucciones. Ese es el futuro del software. Y en este curso aprenderá a construirlo. Los marcos van y vienen. Los principios perduran. Este curso le enseñará cómo funcionan realmente los agentes de IA utilizando Python, el lenguaje líder para el desarrollo de IA. Olvídese de los tutoriales sobre APIs de moda que estarán muertas el próximo trimestre. Aprenderás a construir agentes de IA desde cero. Sin palabrería. Sin atajos. Sólo la arquitectura básica que alimenta los sistemas inteligentes, un conocimiento que sigue siendo útil independientemente de lo rápido que cambie el panorama. En este curso: - Dominar los fundamentos de la arquitectura de agentes basada en Python - Comprender los componentes principales de GAME (Objetivos, Acciones, Memoria, Entorno) que hacen funcionar a los agentes de IA y cómo funcionan juntos en un sistema Python cohesivo - Aprovechar los puntos fuertes de Python para un desarrollo de agentes eficiente - Utilizar la tipificación dinámica, los decoradores y la metaprogramación de Python para crear marcos de agentes flexibles y mantenibles con un mínimo de código repetitivo - Prototipar e implementar rápidamente agentes Python - Aprender técnicas para diseñar rápidamente las capacidades de los agentes Python con ingeniería de indicaciones antes de escribir una sola línea de código, conectar agentes Python de IA a sistemas del mundo real - Construir agentes Python que puedan interactuar con sistemas de archivos, APIs y otros servicios externos - Crear asistentes de IA que utilicen herramientas de Python - Desarrollar agentes Python que puedan analizar archivos, gestionar datos, desarrollar agentes Python que puedan analizar archivos, gestionar datos y automatizar flujos de trabajo complejos combinando el razonamiento LLM con las amplias bibliotecas y el ecosistema de Python - Crear agentes de productividad para desarrolladores Python - Crear agentes Python especializados que le ayuden a escribir código, generar pruebas y producir documentación para acelerar su proceso de desarrollo de software Por qué los principios importan más que los marcos de trabajo El panorama de la IA cambia cada semana, pero los principios básicos del diseño de agentes permanecen constantes. Al entender cómo construir agentes desde cero, usted ganará: - Habilidad transferible que funciona en cualquier LLM o tecnología de IA Habilidades profundas de depuración porque usted entenderá lo que está sucediendo en cada nivel - Independencia del framework que lo libera de la dependencia de librerías de terceros y le permite tener éxito con cualquiera de ellas - Experiencia a prueba de futuro que seguirá siendo relevante cuando las herramientas populares de hoy sean olvidadas Al final de este curso, usted no sólo sabrá cómo usar agentes de IA-sabrá cómo construirlos en Python, personalizarlos y desplegarlos para resolver problemas reales de negocio. Este curso te enseñará estos conceptos utilizando las API de OpenAI, que requieren acceso de pago, pero los principios y técnicas pueden adaptarse a otros LLM.
- Construir un marco completo de agentes de IA en Python, creando cada componente usted mismo para obtener una comprensión profunda de cómo funcionan los agentes
- Diseñe sistemas de descubrimiento de herramientas y mecanismos de llamada a funciones que permitan a sus agentes interactuar con sistemas externos y realizar acciones significativas
- Cree agentes prácticos y listos para la producción para tareas como la exploración inteligente de archivos, la generación de documentación y la codificación
Temario
UNIDAD 1 - Conceptos de IA agenética · 21 leccionesAgentes de IA e IA agenética con Python e IA generativa - UNIDAD 1 - Conceptos de IA agenética
Agentes de IA e IA agenética con Python e IA generativa - UNIDAD 1 - Conceptos de IA agenética
- Introducción
- Patrón de interacción invertido
- El bucle de agentes
- Comprobación de conocimientos: Bucle de agente e interacción invertida
- Ejecución de los ejemplos de código del curso
- Avisos programáticos para agentes
- Pruebe la incitación programática
- Avisos programáticos para agentes II
- Preguntas programáticas para agentes III
- Preguntas programáticas: Componentes básicos de los agentes de inteligencia artificial
- Pruebe el Agente de Servicio al cliente
- Dar memoria a los agentes
- Práctica de la incitación programática para agentes
- Práctica de la consulta programática para agentes (solución)
- Estructuración de los resultados del agente de IA
- Crear su primer agente
- Agente IA / Interfaz con el entorno
- Retroalimentación y memoria del agente de IA
- El bucle del agente: De comprender a pensar como un agente
- Más información y conexión
- Comprender los conceptos de la IA agenética
UNIDAD 2 - Agentes, herramientas, acciones y lenguaje de IA · 13 leccionesAgentes de IA e IA agenética con Python e IA generativa - UNIDAD 2 - Agentes, herramientas, acciones y lenguaje de IA
Agentes de IA e IA agenética con Python e IA generativa - UNIDAD 2 - Agentes, herramientas, acciones y lenguaje de IA
- GAIL - Objetivos, Acciones, Información, Lenguaje
- Dar herramientas a los agentes
- Descripción y denominación de las herramientas
- Resultados de la herramienta y comentarios de los agentes
- Herramientas para agentes en Python
- Pruebe un agente que llama a funciones de Python
- Uso de funciones de llamada con LLM
- Pruebe la llamada a funciones LLM
- Un bucle de agente con llamada a funciones
- Pruebe un bucle de agente con llamada a funciones
- Ejercicio: Extender el Agente Llamador de Funciones
- Mejores prácticas de diseño de herramientas para agentes
- Comprender el bucle del agente de IA
UNIDAD 3 - GAME: un marco conceptual para los agentes de IA · 10 leccionesAgentes de IA e IA agenética con Python e IA generativa - UNIDAD 3 - GAME: un marco conceptual para los agentes de IA
Agentes de IA e IA agenética con Python e IA generativa - UNIDAD 3 - GAME: un marco conceptual para los agentes de IA
- Visión general del marco GAME
- Diseño de agentes de IA con GAME
- Simulación de agentes en ChatGPT
- Simulación de agentes GAME en una conversación
- Diseño modular de agentes de IA
- Personalización del bucle de agente
- Implementación de GAME en código
- Pruebe el marco de agentes
- Cómo se comunica su agente con el LLM: el lenguaje del agente
- Póngalo todo junto: Documente su código con un agente README
UNIDAD 4 - Gestión de herramientas para agentes · 4 leccionesAgentes de IA e IA agenética con Python e IA generativa - UNIDAD 4 - Gestión de herramientas para agentes
Agentes de IA e IA agenética con Python e IA generativa - UNIDAD 4 - Gestión de herramientas para agentes
- Actualización de herramientas de agentes con decoradores de Python
- Organización de herramientas para agentes
- Refactorización de nuestro agente README
- Pruebe el agente README con el decorador
UNIDAD 5 - Repensar la creación de software en la era de los agentes de IA · 5 leccionesAgentes de IA e IA agenética con Python e IA generativa - UNIDAD 5 - Repensar la creación de software en la era de los agentes de IA
Agentes de IA e IA agenética con Python e IA generativa - UNIDAD 5 - Repensar la creación de software en la era de los agentes de IA
- Construir lo imposible con agentes de IA
- Repensar la enseñanza de la innovación
- El Agente de Gestión de Inventarios
- La alucinación es una nueva forma de computación
- Nuevas formas de acceder y extraer información
UNIDAD 6 - Introducción al curso · 7 leccionesIngeniería Prompt para ChatGPT - UNIDAD 6 - Introducción al curso
Ingeniería Prompt para ChatGPT - UNIDAD 6 - Introducción al curso
- Ejemplo Motivador: Elaboración de un plan de comidas con una fusión de alimentos de Etiopía y Uzbekistán que es ceto
- Visión general del curso
- Ejemplo motivador: Actuar como logopeda
- Crear una cuenta y utilizar ChatGPT
- ¿Qué son los grandes modelos lingüísticos?
- Aleatoriedad en la salida
- Creación de sus primeras prompts
UNIDAD 7 - Introducción a los Prompts · 16 leccionesIngeniería Prompt para ChatGPT - UNIDAD 7 - Introducción a los Prompts
Ingeniería Prompt para ChatGPT - UNIDAD 7 - Introducción a los Prompts
- ¿Qué es un Prompt?
- La intuición tras las indicaciones
- Todo el mundo puede programar con Prompts
- Prompt Patterns
- El patrón Persona
- Lectura de un patrón Prompt
- Formato del patrón Persona
- Más información sobre los patrones Prompt
- Aplicación del patrón Persona
- Mantenerse conectado y aprender más
- Introducir nueva información en el modelo de la gran lengua
- Limitaciones del tamaño de la solicitud
- Los avisos son una herramienta de uso repetido
- Indicaciones de raíz
- Creación de avisos con nueva información
- Qué tomar después o con este curso
UNIDAD 8 - Prompt Patterns I · 9 leccionesIngeniería Prompt para ChatGPT - UNIDAD 8 - Prompt Patterns I
Ingeniería Prompt para ChatGPT - UNIDAD 8 - Prompt Patterns I
- Patrón de refinamiento de preguntas
- Formato del patrón de refinamiento de preguntas
- Patrón verificador cognitivo
- Formato del patrón verificador cognitivo
- Patrón de Persona de la Audiencia
- Formato del patrón de personaje de audiencia
- Patrón de interacción invertido
- Formato del patrón de interacción invertido
- Aplicación de los patrones Prompt I
UNIDAD 9 - Ejemplos de pocos disparos · 10 leccionesIngeniería Prompt para ChatGPT - UNIDAD 9 - Ejemplos de pocos disparos
Ingeniería Prompt para ChatGPT - UNIDAD 9 - Ejemplos de pocos disparos
- Ejemplos de pocos disparos
- Ejemplos de acciones
- Ejemplos con pasos intermedios
- Cómo escribir ejemplos de pocos disparos eficaces
- Indicaciones de cadena de pensamiento
- Más información sobre el estímulo de la cadena de pensamiento
- ReAct Prompting
- Más información sobre ReAct
- Utilizar grandes modelos lingüísticos para calificarse
- Aplicación de los conceptos de los ejemplos de pocos disparos
UNIDAD 10 - Prompt Patterns II · 11 leccionesIngeniería Prompt para ChatGPT - UNIDAD 10 - Prompt Patterns II
Ingeniería Prompt para ChatGPT - UNIDAD 10 - Prompt Patterns II
- Patrón de juego
- Formato de la pauta de juego
- Patrón de plantilla
- Formato del patrón de plantilla
- Patrón de creación del metalenguaje
- Formato del patrón de creación del metalenguaje
- Patrón de recetas
- Formato del patrón de recetas
- Patrón de enfoques alternativos
- Formato del patrón de enfoques alternativos
- Aplicación de patrones Prompt II
UNIDAD 11 - Prompt Patterns III · 16 leccionesIngeniería Prompt para ChatGPT - UNIDAD 11 - Prompt Patterns III
Ingeniería Prompt para ChatGPT - UNIDAD 11 - Prompt Patterns III
- Pedir patrón de entrada
- Formato del patrón de solicitud de entrada
- Combinar patrones
- Esquema Patrón de expansión
- Formato del patrón de expansión del esquema
- Patrón de acciones del menú
- Formato del patrón de acciones del menú
- Patrón de la lista de comprobación de hechos
- Formato del modelo de lista de comprobación de hechos
- Patrón de generación de cola
- Patrón de generación de cola
- Patrón de filtro semántico
- Formato del patrón de filtro semántico
- Conclusión del curso y agradecimiento
- Seguir aprendiendo sobre Prompt Engineering
- Creación de una aplicación basada en prompt
UNIDAD 12 - Ampliar los agentes de IA con autoprompulsores · 14 leccionesAgentes de IA y arquitectura de IA agenética en Python - UNIDAD 12 - Ampliar los agentes de IA con autoprompulsores
Agentes de IA y arquitectura de IA agenética en Python - UNIDAD 12 - Ampliar los agentes de IA con autoprompulsores
- Prompts como cálculo
- Autopropuesta y separación limpia del razonamiento del agente de IA
- Unir herramientas informáticas y datos no estructurados con prompting: el calce de la IA
- Agente de IA Extracción de datos estructurados
- Un agente de tratamiento de facturas
- El Patrón de persona y el razonamiento - Las personas son una abstracción eficiente de la programación
- El patrón Persona
- Formato del patrón Persona
- Sistemas multiagente sencillos con personas
- Consultar a expertos o simular con el Patrón de persona
- La abstracción de la persona y los agentes
- Tramitación de facturas con expertos
- Utilización de políticas humanas para la implantación de documentos
- Revisión de Persona y Autopropaganda
UNIDAD 13 - Principios de diseño y seguridad de los agentes de IA · 3 leccionesAgentes de IA y arquitectura de IA agenética en Python - UNIDAD 13 - Principios de diseño y seguridad de los agentes de IA
Agentes de IA y arquitectura de IA agenética en Python - UNIDAD 13 - Principios de diseño y seguridad de los agentes de IA
- Principios de diseño MATE para agentes de IA
- Principios de diseño de MATE en código
- Agentes de IA y seguridad medioambiental
UNIDAD 14 - Sistemas multiagente · 8 leccionesAgentes de IA y arquitectura de IA agenética en Python - UNIDAD 14 - Sistemas multiagente
Agentes de IA y arquitectura de IA agenética en Python - UNIDAD 14 - Sistemas multiagente
- Introducción a los sistemas multiagente
- Construcción de sistemas multiagente: Comunicación entre agentes
- Interacción con agentes y memoria
- Patrones de interacción de los agentes con la memoria
- Eliminar el ruido: Centrar la atención de los agentes
- Interacción avanzada con agentes
- Información sobre el mundo para la IA agéntica
- Arquitecturas de interacción con agentes
UNIDAD 15 - Inyección de dependencia para herramientas · 3 leccionesAgentes de IA y arquitectura de IA agenética en Python - UNIDAD 15 - Inyección de dependencia para herramientas
Agentes de IA y arquitectura de IA agenética en Python - UNIDAD 15 - Inyección de dependencia para herramientas
- Aislar a los agentes de la complejidad accidental
- Herramientas de IA limpias con inyección de dependencias
- Inyección de dependencia de herramientas limpias con el entorno
UNIDAD 16 - Enfoques para mejorar el razonamiento de los agentes de IA · 7 leccionesAgentes de IA y arquitectura de IA agenética en Python - UNIDAD 16 - Enfoques para mejorar el razonamiento de los agentes de IA
Agentes de IA y arquitectura de IA agenética en Python - UNIDAD 16 - Enfoques para mejorar el razonamiento de los agentes de IA
- Mejora del razonamiento de los agentes de IA con el aprendizaje en contexto
- Mejora del razonamiento de los agentes de IA mediante la planificación previa y la cadena de pensamiento
- El patrón arquitectónico de las capacidades
- Planificación anticipada para mejorar el razonamiento de los agentes
- Mejora del razonamiento de los agentes de IA con la planificación en bucle
- Planificación intermedia: Seguimiento del progreso en el bucle del agente
- La gran disyuntiva del agente: anticipación o dinámica
Tu certificado lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
16 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
12 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Un certificado oficial de la SEP
- Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por Vanderbilt University.
- Folio y QR verificables para compartirlo con quien te contrate.
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 16 unidades · 157 lecciones · 144 h
- 12 meses de acceso
- 12 cuestionarios de evaluación
- Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por Vanderbilt University; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.


