Este curso avanzado está diseñado para desarrolladores y arquitectos de soluciones que buscan profundizar en la creación de aplicaciones de IA generativa de nivel producción, dominando la orquestación de modelos, sistemas RAG y agentes autónomos dentro del ecosistema de AWS.
🎯 Objetivos
El programa se centra en capacitar al profesorado para:
• Diseñar arquitecturas complejas que integren modelos fundacionales, interfaces, memoria y orquestación.
• Desarrollar aplicaciones profesionales utilizando las APIs avanzadas de Amazon Bedrock (Converse, Retrieve, Batch Inference).
• Optimizar el rendimiento mediante técnicas avanzadas de ingeniería de prompts para casos de uso específicos.
• Construir sistemas RAG (Retrieval-Augmented Generation) desde cero, integrando bases de conocimiento y almacenamiento vectorial.
• Integrar frameworks de código abierto como LangChain, LlamaIndex o Haystack para acelerar el desarrollo.
• Crear Agentes de IA autónomos capaces de ejecutar flujos de trabajo empresariales complejos.
• Implementar controles de IA Responsable mediante el uso de Guardrails y detección de alucinaciones.
• Evaluar la calidad del sistema utilizando métricas RAGAS y técnicas de «LLM como juez».
📚 Contenidos
- Introducción
• Presentación del curso, objetivos y estructura
• Requisitos previos y puesta en marcha del entorno de laboratorio en AWS - Componentes de Aplicaciones Generativas
• Arquitectura básica de una app de IA generativa en AWS (frontend, backend, modelos, datos)
• Papel de Amazon Bedrock, Amazon Q y SageMaker AI dentro de esa arquitectura - Programación con Amazon Bedrock
• Uso de las APIs principales (Converse, InvokeModel, batch) y parámetros de inferencia
• Manejo de respuestas: streaming, asincronía y tratamiento de errores básicos - Ingeniería de Prompts para Desarrolladores
• Cómo estructurar buenos prompts (instrucción, contexto, ejemplos, formato de salida)
• Técnicas clave: zero‑shot, few‑shot y razonamiento paso a paso (chain‑of‑thought) - APIs de Amazon Bedrock en Arquitecturas Comunes
• Patrones típicos: generación de texto, resumen, respuesta a preguntas y chat
• Diferencias entre inferencia bajo demanda, batch y provisioned throughput - Customización con Retrieval‑Augmented Generation (RAG)
• Flujo RAG completo: embeddings, búsqueda vectorial, aumento del prompt y generación
• Uso de Amazon Bedrock Knowledge Bases y la API RetrieveAndGenerate - Integración de Frameworks de Código Abierto
• Uso de LangChain, LlamaIndex u otros frameworks como capa de abstracción sobre Bedrock
• Gestión de contexto y memoria conversacional apoyándose en servicios como DynamoDB - Evaluación de Componentes Generativos
• Estrategia para comparar modelos según calidad, coste y latencia
• Evaluación de sistemas RAG y LLM usando métricas automáticas, feedback humano y LLM‑as‑a‑judge - Implementación de IA Responsable
• Riesgos a vigilar: alucinaciones, contenido tóxico, sesgos y filtrado de PII
• Configuración de Amazon Bedrock Guardrails para controlar entradas y salidas del modelo - Desarrollo de Agentes con Amazon Bedrock
• Diseño de flujos con Bedrock Flows y creación de agentes que orquestan herramientas y datos
• Construcción de un agente completo con Knowledge Bases, funciones Lambda, memoria y guardrails (laboratorio final)
📅 Sesiones síncronas
Las sesiones síncronas se celebrarán a través de la plataforma Teams:
05/10/2026 – 17h a 21h
13/10/2026 – 17h a 21h
15/10/2026 – 17h a 21h
21/10/2026 – 17h a 21h
Data inscripción: del 01/06/26 al 20/09/26
Data confirmación: del 21/09/26 al 27/09/26
Data realización: del 05/10/26 al 21/10/26
INSCRIPCIÓN:
OVIFOR