Contenidos

1. Ingesta y preparación de datos para sistemas de IA generativa

1.1. Obtención y procesamiento de datos

1.1.1. Fuentes públicas y corporativas

1.1.2. Limpieza, normalización, particionado y chunking

1.2. Representación semántica de los datos

1.2.1. Generación de embeddings y almacenamiento en bases vectoriales

1.2.2. Calidad, trazabilidad y buenas prácticas

2. Diseño e implementación de arquitecturas RAG

2.1. Conceptos y flujo RAG

2.1.1. Problemas que resuelve RAG y casos de uso

2.1.2. Encadenamiento de recuperación, razonamiento y generación

2.2. Integración de componentes y casos prácticos

2.2.1. Modelos de lenguaje, sistemas de recuperación e interacción con el

usuario

2.2.2. Asistente conversacional corporativo como ejemplo

3. Agentes de IA y automatización inteligente

3.1. Fundamentos y enfoques

3.1.1. Arquitectura, capacidades, limitaciones y tipos de agentes (reactivos, planificadores y colaborativos)

3.2. Integración y caso práctico

3.2.1. Conexión con APIs y herramientas corporativas

3.2.2. Automatización de respuestas iniciales en sistemas de gestión

4. Escalabilidad, rendimiento y operación en producción

4.1. Arquitectura y gestión de recursos

4.1.1. Inferencia distribuida

4.1.2. ejecución paralela y control de carga (pooling, colas, throttling)

4.2. Alta disponibilidad y buenas prácticas

4.2.1. Balanceo de carga, clustering

4.2.2. Seguridad

4.2.3. Monitorización

4.2.4. Optimización de costes