curso de_
LangChain: Automatizando el análisis de datos con agentes
Es parte de los cursos de IA para Datos en Inteligencia Artificial.
Discusiones sobre este curso
Resumen del curso
- Automatiza tareas repetitivas de análisis de datos con LLMs.
- Desarrolla herramientas personalizadas para generar informes exploratorios y estadísticos, así como una herramienta dedicada a la visualización de datos mediante gráficos.
- Crea un agente con LangChain que pueda responder preguntas sobre archivos CSV.
- Orquesta diferentes herramientas en un único flujo automatizado con LangChain.
- Construye una interfaz interactiva con Streamlit para facilitar el uso del agente.
- Implementa la aplicación en la nube, haciendo que tu asistente de análisis de datos sea accesible a través del navegador.
Público Objetivo
Este curso es ideal para profesionales y estudiantes del área de datos que ya dominan Python y desean aprender a automatizar tareas de análisis utilizando LLMs con LangChain. Está dirigido a quienes buscan aplicar inteligencia artificial en proyectos prácticos y aumentar la productividad en procesos repetitivos de análisis de datos.
Contenido relacionado
Cursos de IA para Datos en Inteligencia Artificial. Lea nuestros artículos de Inteligencia Artificial.
Última actualización
11/17/2025
¿Ya eres alumno?
12h
p/ conclusión
49
Actividades
199
Minutos de video
138
Alumnos en este curso
9.5
Nota del curso
Certificado de participación
Instructores
Contenido Detallado
1. Respondiendo preguntas sobre datos en archivos CSV
- Introducción
- Preparando el ambiente
- Generando códigos con LLMs para analizar datos
- Para saber más: creando una cuenta en Groq
- Ejecutando el código generado con la herramienta para python
- Conectando una herramienta al LLM
- Automatizando la ejecución de código
- Haz como yo hice: respondiendo preguntas con LLMs a partir de un DataFrame
- ¿Qué aprendimos?
2. Obteniendo respuestas explicativas
- Proyecto del Aula Anterior
- Obteniendo respuestas explicativas
- Probando la cadena de conversación
- Para saber más: ¿qué es un agente?
- Utilizando agentes para analizar datos
- Implementando un agente de LangChain
- Haga lo que hicimos: obteniendo respuestas explicativas con memoria y conversación
- Lo que aprendimos
3. Construyendo herramientas de cero
- Proyecto de la clase anterior
- Preparando el ambiente: descripción y prompts de las herramientas que se crearán en la clase
- Herramienta exploradora
- Probando la herramienta exploradora
- Para saber más: creando herramientas con LangChain
- Herramienta estadística
- Desarrollando herramientas
- Herramienta de visualización
- Probando la herramienta de visualización
- Hazlo como yo lo hice: construyendo herramientas personalizadas con LangChain
- Lo que aprendimos
4. Orquestando agentes capaces de utilizar múltiples herramientas
- Proyecto del Aula Anterior
- Preparando el ambiente descripción de las herramientas
- Generando las herramientas del catálogo
- Orientando al agente con un prompt estratégico
- Creando y probando el agente
- Utilizando agentes orquestadores
- Haga lo que hicimos en aula: creando el agente asistente de análisis de datos
- Lo que aprendimos
5. Creando una interfaz interactiva
- Proyecto del Aula Anterior
- Preparando el ambiente para crear la aplicación
- Creando un ambiente virtual
- Definiendo las herramientas
- Creando la interfaz gráfica de la aplicación
- Desarrollando componentes de la aplicación
- Haciendo el deploy de la aplicación
- Para saber más explorando Streamlit
- Haga lo que hicimos en aula: creando una aplicación con Streamlit
- Proyecto Final
- Para ir más allá materiales de apoyo para más contenidos sobre el tema y referencias utilizadas en el curso
- O que aprendemos?
- Conclusión
Acceso a todos los cursos
Estudiar las 24 horas, dónde y cuándo quieras
Nuevos cursos cada semana