Desarrollo de IA con Qwen 2.5 y Ollama: Crea aplicaciones de IA localmente

Resumen

Build AI-powered applications locally using Qwen 2.5 & Ollama. Learn Python, FastAPI, and real-world AI development (AI) What you'll learn:

Set up and run Qwen 2.5 on a local machine using OllamaUnderstand how large language models (LLMs) workBuild AI-powered applications using Python and FastAPICreate REST APIs to interact with AI models locallyIntegrate AI models into web apps using React.jsOptimize and fine-tune AI models for better performanceImplement local AI solutions without cloud dependenciesUse Ollama CLI and Python SDK to manage AI modelsDeploy AI applications locally and on cloud platformsExplore real-world AI use cases beyond chatbots Are you ready to build AI-powered applications locally without relying on cloud-based APIs?

This hands-on course will teach you how to develop, optimize, and deploy AI applications using Qwen 2.5 and Ollama, two powerful tools for running large language models (LLMs) on your local machine.With the rise of open-source AI models, developers now have the opportunity to create intelligent applications that process text, generate content, and automate tasks—all while keeping data private and secure. In this course, you’ll learn how to install, configure, and integrate Qwen 2.5 with Ollama, build FastAPI-based AI backends, and develop real-world AI solutions.Why Learn Qwen 2.5 and Ollama?Qwen 2.5 is a powerful large language model (LLM) developed by Alibaba Cloud, optimized for natural language processing (NLP), text generation, reasoning, and code assistance.

Unlike traditional cloud-based models like GPT-4, Qwen 2.5 can run locally, making it ideal for privacy-sensitive AI applications.Ollama is an AI model management tool that allows developers to run and deploy LLMs locally with high efficiency and low latency. With Ollama, you can pull models, run them in your applications, and fine-tune them for specific tasks—all without the need for expensive cloud resources.This course is practical and hands-on, designed to help you apply AI in real-world projects.

Whether you want to build AI-powered chat interfaces, document summarizers, code assistants, or intelligent automation tools, this course will equip you with the necessary skills.Why Take This Course?- Hands-on AI development with real-world projects- No reliance on cloud APIs—keep your AI applications private & secure- Future-proof skills for working with open-source LLMs- Fast, efficient AI deployment with Ollama’s local executionBy the end of this course, you'll have AI-powered applications running on your machine, a deep understanding of LLMs, and the skills to develop future AI solutions. Are you ready to start building?

Programa

• Introducción al Desarrollo de IA con Qwen 2.5 y Ollama
Descripción general de Qwen 2.5 y Ollama
Objetivos del curso y resultados de aprendizaje
• Configuración de su Entorno Local
Instalación local de Qwen 2.5
Configuración de Ollama para la gestión de modelos
Introducción a Python y bibliotecas necesarias
• Entendiendo los Modelos de Lenguaje Grande (LLMs)
Fundamentos de los LLMs
Capacidades y arquitectura de Qwen 2.5
Comparación entre LLMs locales y basados en la nube
• Construyendo Aplicaciones Impulsadas por IA con Python
Programación básica de Python para IA
Introducción a FastAPI para construir backends
Creación de APIs REST para interactuar con modelos de IA
• Desarrollo de Backends de IA con FastAPI
Configuración de FastAPI
Integración de Qwen 2.5 con FastAPI
Desarrollo y despliegue de APIs impulsadas por IA
• Integración Frontend con React.js
Introducción a React.js
Combinación de React.js con FastAPI para aplicaciones de IA full-stack
Construcción de interfaces web para interactuar con modelos de IA
• Optimización y Ajuste de Modelos de IA
Técnicas para la optimización de modelos
Métodos de ajuste para tareas específicas
Evaluación del rendimiento del modelo y mejoras
• Gestión de Modelos de IA Localmente con Ollama
Uso del CLI de Ollama
Exploración del SDK de Ollama para Python
Gestión del ciclo de vida del modelo y control de versiones
• Despliegue de Aplicaciones de IA Localmente y en la Nube
Estrategias de despliegue para ejecución local
Transición de plataformas locales a la nube
Mejores prácticas para el despliegue de aplicaciones de IA
• Casos de Uso de IA en el Mundo Real Más Allá de los Chatbots
Exploración de aplicaciones en PLN, generación de texto y automatización
Estudios de caso: Resumidores de documentos, asistentes de código
Consideraciones éticas y de privacidad en aplicaciones de IA
• Cierre del Curso y Direcciones Futuras
Resumen de conceptos clave y habilidades
Exploración de futuras tendencias en IA y LLMs
Próximos pasos para el aprendizaje y desarrollo continuo

---

Impartido por

Dr. Vivian Aranha

---

Materias

Computer Science