Combina la potencia de Python y los LLMs (Large Language Models) para crear aplicaciones de IA.
Esta sesión te lleva al siguiente nivel, combinando Open Source con tecnología de inteligencia artificial.
Objetivo:
Aprender a utilizar Python para la automatización y la interacción con LLMs. Implementar un proyecto que combine Open Source, Python y LLMs. Contenido:
Descubre el poder de Python y los LLMs: Aprenderás las ventajas de Python como lenguaje de programación y te familiarizarás con los LLMs (Large Language Models) y sus aplicaciones. Proyecto Final: ¡Pon en práctica tus conocimientos construyendo un proyecto innovador que combine Python y un LLM (como Phi-3 Mini) para desarrollar una aplicación práctica. Opciones de proyectos: Podrás elegir entre desarrollar un chatbot, un script para generar contenidos creativos o un programa para analizar datos. Syllabus:
1. Introducción a Python y LLMs (45 min)
Python, un lenguaje versátil para desarrollo: Se hablará sobre las ventajas de Python para el desarrollo de aplicaciones, web scraping, análisis de datos, etc. LLMs (Large Language Models): Se explicará el concepto de LLMs y su aplicación en la creación de chatbots, traducción automática, generación de textos, etc. Además, se usará la plataforma Ollama para ejecutar localmente un LLM. Integración de LLMs con Python: Se mostrará cómo usar APIs de LLMs populares (como Phi-3 Mini) que se integran mediante el framework LangChain en Python. 2. Proyecto Final: (1 hora y 15 min)
Idea de Proyecto: Se desarrollará un proyecto que utilice Python y un LLM, mediante el uso de herramientas open source como Python, Ollama, Phi-3 Mini y LangChain para una aplicación práctica. Un chatbot que use Phi-3 Mini para responder preguntas. Un script para generar contenidos creativos utilizando LLMs. Un programa para analizar datos y obtener insights con LLMs. Desarrollo: Se guiará a los participantes en el desarrollo del proyecto Estructura: Definir la estructura del proyecto. Código: Escribir código en Python para integrar un LLM. Prueba: Probar el proyecto y verificar su funcionalidad. Entrega: Se compartirá el proyecto final en GitHub.