Construcción de Sistemas Agénticos y Multiagente con LangGraph

Resumen

Domina el desarrollo de aplicaciones LLM agenticas y multi-agente utilizando LangChain y LangGraph. Aprende a construir sistemas RAG, implementar ciclos de razonamiento y crear flujos de trabajo complejos para aplicaciones avanzadas de inteligencia artificial.

Programa de estudio

• Introducción a los Sistemas Agénticos
Panorama de Sistemas Agénticos y Multi-Agente
Conceptos Clave: sistemas RAG, ciclos de razonamiento y flujos de trabajo
• Introducción a LangChain y LangGraph
Fundamentos de LangChain
Conceptos básicos de LangGraph
Integración de LangChain y LangGraph
• Construcción de Sistemas RAG
Comprensión de la Generación Aumentada por Recuperación (RAG)
Diseño de Arquitecturas RAG con LangGraph
Estudios de Caso y Ejemplos Prácticos
• Implementación de Ciclos de Razonamiento
Principios de Razonamiento en Sistemas de IA
Desarrollo de Mecanismos de Razonamiento utilizando LangGraph
Depuración y Optimización de Ciclos de Razonamiento
• Creación de Flujos de Trabajo Multi-Agente
Diseño de Flujos de Trabajo para Sistemas Multi-Agente
Coordinación y Comunicación entre Agentes
Manejo de Interacciones Complejas y Dependencias
• Temas Avanzados en Sistemas Multi-Agente
Escalabilidad y Eficiencia en Sistemas Multi-Agente
Consideraciones de Seguridad y Ética
Tendencias Emergentes y Tecnologías en IA Multi-Agente
• Proyectos Prácticos
Proyecto 1: Construcción de un Sistema RAG Simple
Proyecto 2: Desarrollo de un Ciclo de Razonamiento
Proyecto 3: Implementación de un Flujo de Trabajo Multi-Agente Complejo
• Conclusión y Direcciones Futuras
Resumen de Conceptos Clave
Oportunidades para un Mayor Aprendizaje y Desarrollo

Asignaturas

Ciencias de la Computación