Curso
Agentes de IA — de la teoría a los sistemas vivos
Este curso explora la evolución de los agentes de IA, desde los modelos teóricos fundamentales hasta su implementación en sistemas vivos del mundo real. Los participantes aprenderán los principios de la toma de decisiones autónoma, la interacción entre agentes y la integración en entornos complejos. El programa combina teoría, ejercicios prácticos y estudios de caso para preparar a los estudiantes en la construcción de sistemas inteligentes multiagente del futuro.
Habilidades que obtendrás
- test skill
Formato
Cómo funciona el aprendizaje
Una ruta estructurada de videolecciones, práctica y retroalimentación del mentor.
Videolecciones con teoría y práctica
Módulos a tu propio ritmo, con acceso de por vida.
7 módulos
Una estructura clara paso a paso, desde los básicos hasta la producción.
Práctica aplicada
Tareas interactivas y deberes sobre casos reales.
Revisión de la tarea por el mentor
Retroalimentación detallada y envíos ilimitados.
Certificado
Un certificado nominal al finalizar.
Programa del curso
7 módulos · 0 lecciones · 0 tareas
Qué es un agente de IA y por qué lo necesitamos
Aprenderás qué distingue a un agente de IA del software común, explorarás el modelo PEAS y estudiarás los principales tipos de agentes, desde reactivos hasta híbridos. En la práctica, crearás tu primer miniagente en Python.
Arquitectura y cerebro del agente
En este módulo, explorarás la arquitectura interna de los agentes de IA, desde el modelo BDI (Belief–Desire–Intention) hasta los métodos de planificación, desde STRIPS hasta el razonamiento basado en LLM. Profundizaremos en los modelos de memoria, desde corto y largo plazo hasta las modernas bases de datos vectoriales como FAISS y Pinecone. También estudiarás Chain-of-Thought y la autorreflexión como formas iniciales de 'pensamiento'. En la práctica, construirás un agente con memoria y planificador utilizando LangChain y bases de datos vectoriales.
Modelos de lenguaje como núcleo
En este módulo explorarás los grandes modelos de lenguaje (LLM) como el 'cerebro' de los agentes de IA: sus fortalezas y limitaciones. Aprenderás técnicas de prompt engineering para comunicarte eficazmente con los modelos, así como métodos de autocrítica y reflexión que permiten a los agentes mejorar por sí mismos. También revisaremos arquitecturas avanzadas como AutoGPT, BabyAGI y MetaGPT. En la práctica, construirás tu propio 'mini-AutoGPT'.
Mundos multiagente
En este módulo profundizarás en los Sistemas Multiagente (MAS), donde varios agentes interactúan, colaboran y compiten. Estudiarás planificación distribuida, toma de decisiones colectiva y construcción de consensos. Los casos incluyen Voyager (un agente que explora Minecraft) y CAMEL (agentes de diálogo). También discutiremos economías digitales y la idea de 'colonias de agentes'. En la práctica, crearás dos agentes que colaboran y compiten al mismo tiempo.
Aprendizaje y evolución
Este módulo explora cómo los agentes aprenden y evolucionan con el tiempo. Estudiarás el aprendizaje por refuerzo en entornos como OpenAI Gym, el autoaprendizaje y el meta-aprendizaje, así como los enfoques evolutivos donde los agentes digitales experimentan selección natural. También discutiremos cómo diseñar agentes que realmente se vuelvan más inteligentes con la experiencia. En la práctica, construirás un agente de RL que aprenda a jugar o a optimizar una tarea.
Ética, seguridad y futuro
Este módulo aborda los desafíos éticos, de seguridad y sociales de los agentes de IA. Discutirás dónde trazar la línea entre una herramienta y un 'interlocutor', el papel de los filtros y restricciones, y las cuestiones sobre el estatus legal de los agentes como 'sujetos digitales'. Finalmente, exploraremos el futuro de los agentes como nuevos actores sociales en la diplomacia, la ciencia y el arte. En la práctica, diseñarás un agente seguro con restricciones integradas.
Proyecto final: crea tu propio agente
En el proyecto final, diseñarás e implementarás tu propio agente de IA capaz de recordar, planificar y actuar. Deberá integrarse en un entorno real (API, chat o servicio web) y funcionar como una herramienta útil o un investigador, no como un simple juguete. Ejemplos de proyectos: un agente-gestor que organiza el trabajo en Trello y Slack, un agente-investigador que lee artículos y genera conclusiones, o un agente-terapeuta que trabaja con diálogos y reflexión.
Autores del curso
Aprende de especialistas en activo
Material de vídeo del curso
2
Овладейте кварцевыми резонаторамиИсследуйте преобразование энергии в кварцевых резонаторах. Углубитесь в механизмы создания стабильных частот и их применение.
Мастерство в Пульсоксиметрии: Полное РуководствоОвладейте методами пульсоксиметрии. Узнайте о сенсорах, LED технологиях и измерении кислорода для медицинских приложений.FAQ
sad
Test que
¿Sigues con preguntas?
Contacta con nuestro equipo
Responderemos preguntas sobre el programa, las opciones de pago y el entrenamiento en grupo.
- Respuesta en un día laborable
- Entrenamiento en grupo desde 3 personas