Skip to content
Inmersión Open Source

icon picker
Parte 2: Open Source & IA con Python

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.
Ejemplos:
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.

Want to print your doc?
This is not the way.
Try clicking the ⋯ next to your doc name or using a keyboard shortcut (
CtrlP
) instead.