| Metodoloxía | Presencial |
|---|---|
| Tipo | SEMINARIO |
| Data inicio | 15/12/2025 |
| Data fin | 15/12/2025 |
Esta sesión ofrece un percorrido práctico e conceptual sobre como deseñar, construír e despregar aplicacións conversacionales intelixentes aproveitando a integración entre LangChain e Vertex AI Gemini.
Comezaremos explorando os fundamentos de LangChain, a súa arquitectura modular e a compoñentes clave como prompts, cadeas, axentes, memoria e ferramentas. A continuación, profundaremos nas técnicas de Prompt Engineering, incluíndo Chain-of-Thought, Retrieval-Augmented Generation (RAG) e ReAct, que permiten razoar, actuar e conectar os modelos con información do mundo real.
O relator da xornada para impartir por PUE DATA, que ostenta a figura de Partner oficial de Google Cloud, en colaboración co CNTG, será Mauro Benedetto Pazienza, Senior training Google Specialist de PUE DATA, con máis de 20 anos de experiencia en formacion e consultoria IT en areas como administracion, desenvolvemento e big data, Mauro esta actualmente enfocado na imparticion de cursos oficiais en Google Cloud e Cloudera en toda Europa.
Traballou como formador en empresas internacionais como Telecom Italia, Bea System, Oracle University e finalmente para Cloudera University que lle concedeu como instrutor oficial de PUE, o premio Best Instrutor EMEA FY17 e FY18 ademas de ser recoñecido como best instrutor Google Cloud 2019 para EMEA.
Implementar un chatbot tipo “GroceryBot” capaz de responder sobre receitas, lembrando o contexto e buscando información relevante en documentos.
Perfil recomendado da persoa asistente, coñecementos previos necesarios, nivel principiante, intermedio ou avanzado
- Duración :
4 horas - Metodoloxía :
Presencial - Tecnoloxía :
- Cloud
- Google Cloud
- Beneficios :
- Certificado de asistencia
1. Introdución a LangChain
- Que é LangChain e para que utilízase
- Compoñentes principais: LLMs, cadeas, axentes, ferramentas e memoria
- Integración con Vertex AI Gemini
2. Prompt Engineering Avanzado
- Tipos de prompting: zero-shot, one-shot, few-shot
- Chain-of-Thought (razoamento paso a paso)
- Retrieval-Augmented Generation (RAG)
- ReAct: razoamento e acción
3. Construíndo un Chatbot con LangChain
- Uso de LangChain para chatbots personalizados
- Implementación de memoria en conversacións multi-turn
- Chat retrieval e grounding en datos reais
4. Demo práctica en JupyterLab
- Execución paso a paso do axente conversacional
- Uso de RAG e ReAct con LangChain e Gemini
- Exemplos de interacción co modelo
5. Peche e discusión
- Boas prácticas e recomendacións
- Casos de uso en contornas empresariais
- Preguntas e comentarios do público