IA generativa con Python
¡Ya está aquí tu guía sobre IA generativa con Python! Comienza con una introducción a la IA generativa, los modelos NLP, los LLM y los LMM, y luego sumérgete en los modelos preentrenados con Hugging Face. Trabaja con LLM utilizando Python con la ayuda de herramientas como OpenAI y LangChain. Obtén instrucciones paso a paso para trabajar con bases de datos vectoriales y utilizar la generación aumentada por recuperación. Con información sobre sistemas agenciales y la implementación de aplicaciones de IA, esta guía te ofrece todo lo que necesitas para convertirte en un experto en IA.
- Trabaja con modelos LLM y NLP preentrenados en Hugging Face y LangChain.
- Crear bases de datos vectoriales e implementar la generación aumentada por recuperación.
- Agregar un sistema de agentes utilizando marcos como CrewAI y AG2.
Aprenderás sobre:
- Modelos de lenguaje grandes:
Configura los LLM y aprende a aplicar tus modelos con Python. Repasa las herramientas disponibles: OpenAI, la familia de modelos Llama de Meta, Groq y los LLM de código abierto. Trabaja con plantillas de comandos, cadenas y mucho más.
- Bases de datos vectoriales:
Cree y utilice bases de datos vectoriales para almacenar y consultar grandes colecciones de documentos. Domine todos los aspectos del proceso: carga de un documento sin procesar, procesamiento y almacenamiento en su base de datos vectorial.
- Generación aumentada por recuperación:
Aprovecha los modelos de lenguaje preentrenados a gran escala y las fuentes de conocimiento externas con la generación aumentada por recuperación. Recupera información relevante de grandes corpus, intégrala en el proceso de generación y evalúa la calidad y diversidad de los textos generados.
- Sistemas agénicos:
Utiliza modelos de IA para crear agentes que actúen de forma autónoma para alcanzar sus objetivos. Descubre los diferentes marcos disponibles para esta tarea: LangGraph, AG2, CrewAI, OpenAI Agents y Pydantic AI.
Aspectos Destacados:
- Modelos de procesamiento del lenguaje natural (NLP)
- Modelos de lenguaje grandes (LLM)
- Modelos preentrenados
- Ingeniería rápida
- Bases de datos vectoriales
- Generación aumentada por recuperación (RAG)
- Sistemas agenciales
- OpenAI
- LangChain
- Abrazar la cara
- CrewAI
- AG2
Ver Tabla de Contenidos Completa
Generative AI with Python
Your guide to generative AI with Python is here! Start with an introduction to generative AI, NLP models, LLMs, and LMMs—and then dive into pretrained models with Hugging Face. Work with LLMs using Python with the help of tools like OpenAI and LangChain. Get step-by-step instructions for working with vector databases and using retrieval-augmented generation. With information on agentic systems and AI application deployment, this guide gives you all you need to become an AI master!
- Work with pretrained LLM and NLP models on Hugging Face and LangChain
- Create vector databases and implement retrieval-augmented generation
- Add an agentic system using frameworks such as CrewAI and AG2
You'll learn about:
- Large Language Models:
Set up LLMs and then learn how to apply your models using Python. Walk through the available tools: OpenAI, Meta’s Llama model family, Groq, and open-source LLMs. Work with prompt templates, chains, and more.
- Vector Databases:
Create and use vector databases to store and query large collections of documents. Master all aspects of the pipeline: loading a raw document, processing it, and storing it in your vector database.
- Retrieval Augmented Generation:
Leverage large-scale pretrained language models and external knowledge sources with retrieval-augmented generation. Retrieve relevant information from large corpora, integrate it into the generation process, and evaluate the quality and diversity of the generated texts.
- Agentic Systems:
Use AI models to build agents that act autonomously to achieve their goals. Discover the different frameworks for this task: LangGraph, AG2, CrewAI, OpenAI Agents, and Pydantic AI.
Key Highlights:
- Natural language processing (NLP) models
- Large language models (LLMs)
- Pretrained models
- Prompt engineering
- Vector databases
- Retrieval-augmented generation (RAG)
- Agentic systems
- OpenAI
- LangChain
- Hugging Face
- CrewAI
- AG2
View Full Table of Contents
