(Respetamos tu privacidad. Recopilamos tu dirección de correo electrónico para poder enviarte los enlaces cuando se publique cada unidad y darte información sobre los desafíos y actualizaciones).
¿Cómo es el curso?
El curso está compuesto por:
Unidades fundamentales: donde aprenderás los conceptos de Agentes en teoría.
Prácticas: donde aprenderás a usar bibliotecas de Agentes IA establecidas para entrenar tus agentes en entornos únicos. Estas secciones prácticas serán en Hugging Face Spaces con un entorno preconfigurado.
Prácticas de casos de uso: donde aplicarás los conceptos que has aprendido para resolver un problema que elijas.
Desafío: pondrás a tu agente a competir contra otros agentes en un desafío. Tambien habra una tabla de clasificación (aún no disponible) para que compares el rendimiento de los agentes.
Este curso es un proyecto latente, que evoluciona con tus comentarios y contribuciones! No dudes en abrir issues y PRs en GitHub, y participar en discusiones en nuestro servidor de Discord.
Después de haber completado el curso, también puedes enviar tus comentarios 👉 usando este formulario
¿Cuál es el programa?
Aquí está el programa general del curso. Una lista más detallada de temas se publicará con cada unidad.
Capítulo
Tema
Descripción
0
Introducción
Te prepara con las herramientas y plataformas que utilizarás.
1
Fundamentos de Agentes
Explica Herramientas, Pensamientos, Acciones, Observaciones y sus formatos. Explica LLMs, mensajes, tokens especiales y plantillas de chat. Muestra un caso de uso simple usando funciones de Python como herramientas.
1.5
Bonus: Fine-tuning de un LLM para llamadas a funciones
Usemos LoRa y hagamos fine-tuning de un modelo para realizar llamadas a funciones dentro de un notebook.
2
Frameworks
Comprende como se implementan los fundamentos en bibliotecas populares: smolagents, LangGraph, LLamaIndex
3
Casos de Uso
Construyamos algunos casos de uso reales (abierto a PRs 🤗 de personas con experiencia creando Agentes)
4
Asignación Final
Construye un agente para un benchmark seleccionado y demuestra tu comprensión de los Agentes en la tabla de clasificación de estudiantes 🚀
También estamos planeando lanzar algunas unidades adicionales, ¡mantente al tanto!
¿Cuáles son los requisitos previos?
Para poder seguir este curso deberías tener:
Conocimientos básicos de Python
Conocimientos básicos de LLMs (tenemos una sección en la Unidad 1 para recapitular qué son)
¿Qué herramientas necesito?
Solo necesitas 2 cosas:
Una computadora con conexión a internet.
Una Cuenta de Hugging Face: para subir y cargar modelos, agentes y crear Spaces. Si aun no tienes una cuenta, puedes crear una aquí (es gratis).
El Proceso de Certificación
Puedes elegir seguir este curso en modo auditoría, o hacer las actividades y obtener uno de los dos certificados que emitiremos.
Si auditas el curso, puedes participar en todos los desafíos y hacer asignaciones si quieres, y no necesitas notificarnos.
El proceso de certificación es completamente gratuito:
Para obtener una certificación de fundamentos: necesitas completar la Unidad 1 del curso. Esto está destinado a estudiantes que quieren ponerse al día con las últimas tendencias en Agentes.
Para obtener un certificado de finalización: necesitas completar la Unidad 1, una de las asignaciones de casos de uso que propondremos durante el curso, y el desafío final.
Hay una fecha límite para el proceso de certificación: todas las asignaciones deben terminarse antes del 1 de mayo de 2025.
¿Cuál es el ritmo recomendado?
Cada capítulo de este curso está diseñado para completarse en 1 semana, con aproximadamente 3-4 horas de trabajo por semana.
Como hay una fecha límite, te proporcionamos un ritmo recomendado:
¿Cómo aprovechar al máximo el curso?
Para aprovechar al máximo el curso, tenemos algunos consejos:
Únete a grupos de estudio en Discord: estudiar en grupos siempre es más fácil. Para hacerlo, necesitas unirte a nuestro servidor de Discord y verificar tu cuenta de Hugging Face.
Haz los cuestionarios y asignaciones: la mejor manera de aprender es a través de la práctica y la autoevaluación.
Define un horario para mantenerte sincronizado: puedes usar nuestro horario de ritmo recomendado a continuación o crear el tuyo.
Quiénes somos
Sobre los autores:
Joffrey Thomas
Joffrey es un ingeniero de aprendizaje automático en Hugging Face y ha construido e implementado Agentes IA en producción. Joffrey será tu instructor principal para este curso.
Ben es un ingeniero de aprendizaje automático en Hugging Face y ha impartido múltiples cursos en varias plataformas. El objetivo de Ben es hacer que el curso sea accesible para todos.
Thomas es un ingeniero de aprendizaje automático en Hugging Face e impartió los exitosos cursos de Deep RL y ML para juegos. Thomas es un gran fan de los Agentes y está emocionado de ver lo que la comunidad construirá.
Si quieres agregar una sección completa o una nueva unidad, lo mejor es abrir un issue y describir qué contenido quieres agregar antes de comenzar a escribirlo para que podamos guiarte.