Construcción de Agentes de IA Autónomos

Resumen

Artificial intelligence is rapidly advancing from simple automation to systems that can reason, plan, and act on their own. Building Autonomous AI Agents is a hands-on, practice-driven course that walks you through the end-to-end process of designing, developing, and deploying intelligent agents capable of independent decision-making.

You’ll work with leading agent frameworks—including LangChain, Autogen, and AgentOps—and learn how to integrate models, tools, and APIs to build dynamic multi-agent ecosystems. Through guided demonstrations and structured labs, you’ll implement core agent components such as memory, tool use, planning modules, and goal-driven workflows, ultimately building a fully functional autonomous agent.

The course also emphasizes safety, evaluation, and alignment practices to ensure that agents operate transparently, ethically, and reliably in real-world settings. By the end of this course, you will be able to:

• Understand core agent architectures, memory types, and planning strategies. • Build agents using frameworks like LangChain, CrewAI, Autogen, and AgentOps. • Connect models, APIs, and external tools into cohesive multi-agent systems. • Implement goal-driven workflows with monitoring, evaluation, and safety controls. • Deploy production-ready autonomous agents capable of operating reliably in real environments.

This course is ideal for AI developers, data scientists, software engineers, and technology professionals transitioning from basic prompt engineering to building fully autonomous systems. A foundational understanding of Python, APIs, and basic AI concepts is recommended, though all frameworks are introduced from scratch.

Join us to master the tools and techniques that power the next generation of AI systems that can think, act, and collaborate with minimal human intervention.

Programa

• La Fundación Agente (ReAct y Uso de Herramientas)
Este módulo introduce a los aprendices a las bases de los agentes de IA individuales usando el marco ReAct. Los aprendices explorarán los conceptos fundamentales del razonamiento agente, el uso de herramientas y la integración de memoria. A través de ejercicios prácticos, establecerán un entorno de desarrollo, definirán y usarán herramientas con entradas estructuradas, e implementarán el bucle ReAct para el razonamiento y la toma de decisiones. Al final de este módulo, los aprendices podrán desplegar un agente funcional capaz de realizar tareas con razonamiento estructurado y memoria a corto plazo.
• Contexto, Conocimiento y Fundamentación (RAG)
Este módulo se centra en habilitar a un solo agente para acceder, procesar y actuar sobre el conocimiento externo. Los aprendices trabajarán con pipelines de generación aumentada por recuperación (RAG), incluyendo la ingestión de datos, la incrustación de texto y la indexación de bases de datos vectoriales. Integrarán herramientas y actuadores para permitir la toma de decisiones y aplicarán técnicas de fundamentación para garantizar que el agente produzca resultados contextualmente precisos. Al final de este módulo, los aprendices habrán construido un agente "fundamentado en estrategia" capaz de razonar sobre fuentes de conocimiento y generar resultados validados.
• Orquestación, Validación y Despliegue (LangGraph)
Este módulo introduce a los aprendices en la orquestación, validación y despliegue de agentes de IA individuales usando LangGraph. Los aprendices diseñarán gráficos de ejecución, implementarán nodos de validación e integrarán bucles de reflexión para la autocorrección. También explorarán técnicas de humano-en-el-bucle y lógica condicional para la toma de decisiones. Finalmente, los aprendices empaquetarán su agente como una API RESTful, monitorearán su rendimiento y escalarán flujos de trabajo para una operación robusta. Al final de este módulo, los aprendices tendrán un agente completamente operacional y listo para producción, capaz de ejecutar tareas de manera autónoma.
• Cierre del Curso y Evaluación
Este módulo brinda a los aprendices la oportunidad de sintetizar su conocimiento y demostrar su dominio de los flujos de trabajo de IA de agente único. Los aprendices revisarán conceptos clave de las bases agentes, los pipelines RAG y la orquestación de LangGraph. Completarán evaluaciones calificadas, incluyendo ejercicios basados en escenarios y revisiones de conocimiento al fin del curso, para aplicar su comprensión en contextos prácticos. Al final de este módulo, los aprendices podrán diseñar, implementar y evaluar con confianza un agente de IA completamente funcional capaz de razonar, usar herramientas y ejecutar tareas fundamentadas.

Impartido por

Edureka

Materias

Artificial Intelligence