Curso de Prompt Engineering aplicado a IA generativa
Domina Prompt Engineering con Python, ChatGPT y Gemini. Aprende a diseñar prompts efectivos, integrar APIs, crear agentes con LangChain y generar contenido multimodal. Implementa RAG y crea asistentes virtuales con inteligencia artificial aplicada.
Objetivos
- Comprender los principios fundamentales del Prompt Engineering y su aplicación práctica utilizando modelos como ChatGPT y Gemini desde Python.
- Configurar e integrar APIs de modelos de lenguaje y generación multimodal (texto, imágenes, audio) para desarrollar soluciones interactivas y automatizadas.
- Diseñar y construir agentes conversacionales avanzados utilizando LangChain y técnicas RAG (Retrieval-Augmented Generation) para crear asistentes virtuales.
- Desarrollar soluciones completas en Python combinando FastAPI, APIs de LLMs y herramientas de generación multimodal, a través de actividades prácticas centradas en problemas del mundo real.
Prompt Engineering con Python, ChatGPT y Gemini
- Principios básicos y estructura de prompts: Introducción a LLMs, anatomía del prompt (instrucción, contexto, ejemplos, formato).
- Técnicas de prompting estructurado: Zero-Shot, One-Shot y Few-Shot Learning.
- Prompt Engineering aplicado: Chain of Thought, Tree of Thoughts y Prompt Chaining.
- Configuración de entorno con APIs de modelos (ChatGPT, Gemini, etc.) para interacción con Python.
- Actividad Práctica: Desarrollo de agente IA con FastAPI y Gemini.
Aplicaciones de Prompt Engineering
- Estructura de LLMs: Fundamentos de capas de atención, redes neuronales y transformers.
- Gramática de prompts: Uso de tags, delimitadores y convenciones de formato en prompts.
- Automatización del proceso de Prompts con APIs en Python e interacciones entre modelos.
- Aplicaciones multimodales imágenes y audio con APIs especializadas (DALL-E, Stable Diffusion).
- Actividad Práctica: Creación de sistema de generación de contenido multimoda.
Implementación de Agentes de IA con RAG y LangChain
- Fundamentos de Retrieval-Augmented Generation (RAG) y bases de datos vectoriales.
- Integración de LangChain con múltiples LLMs mediante API y uso de memoria.
- Diseño e implementación de agentes conversacionales inteligentes.
- Optimización y evaluación de sistemas RAG con Human in the Loop y métricas de IA.
- Actividad Práctica: Desarrollo de un asistente virtual con memoria y conocimiento especializado.
Inicio: 27 de mayo
Duración: 54 horas
48 horas en vivo
6 horas asincrónica
— Andrew Ng,
cofundador de Coursera
Contactar con un Asesor
Déjanos tus datos y accede a beneficios
Según Forrester, el 65% de las empresas que utilizan prompt engineering en chatbots reportaron un aumento en la satisfacción del cliente.
Experto
PhDc . Roberto Bistel
Docente Principal
Ingeniero biomédico y doctor en Física especializado en Machine Learning y bioacústica con más de 13 años de experiencia en el campo de la tecnología. Especialista en la investigación, uso y creación de modelos predictivos que fusionan inteligencia artificial y dinámica de sistemas para resolver retos complejos.
Posee un Máster en Diseño de Sistemas Electrónicos y un Doctorado en Ciencias Físicas en la UBA. Su investigación integra aprendizaje profundo, procesamiento de señales y neurociencia, produciendo artículos en Physical Review E y Physica D.
A lo largo de su carrera ha trabajado con reconocidas instituciones como el Laboratorio de Sistemas Dinámicos de la UBA, el Centro de Investigaciones en Microelectrónica (CIME – CUJAE), el Centro de Neurociencias de Cuba (CNeuro) y el Instituto Central de Investigaciones Digitales (ICID).
En estos roles, ha destacado en el diseño y desarrollo de sistemas electrónicos, herramientas de machine learning y sistemas de adquisición de datos, consolidando una reputación de excelencia e innovación en su campo.
¿Estás listo para cambiar tu vida?
Certificación
Al completar con éxito el programa, recibirás cuatro certificaciones:
- Certified Specialist in Prompt Engineering applications with Python.*
- Certified Specialist in Prompt Engineering for Production Environments.*
- Certified Specialist in RAG implementation with Langchain.*
Diploma en Prompt Engineering con Python y LLMs
*Certificación esta sujeta a la aprobación de un examen final
Professional
Otorgado a profesionales que deseen iniciar en el sector y obtengan una calificación superior a 60 puntos en el examen. (escala del 1 al 100).
Expert
Requiere más de 1 año de experiencia en el sector y una calificación superior a 75 en el examen de certificación
(escala del 1 al 100).
Specialist
Requiere 2 años de experiencia en cargos de toma de decisiones en el sector y una calificación superior a 85 puntos
(escala del 1 al 100).
¡Tu crecimiento inicia en San Francisco!