En este curso práctico aprenderás a construir tu propio asistente inteligente con inteligencia artificial local utilizando Python, ChromaDB y Ollama. A diferencia de las soluciones que dependen completamente de la nube o de servicios externos como OpenAI, aquí trabajarás con tu propio entorno local, sin costos adicionales por API y con control total sobre tus datos.
Comenzaremos desde cero, sin necesidad de experiencia previa en inteligencia artificial. Aprenderás a usar modelos de lenguaje con Ollama, generar embeddings semánticos con sentence-transformers y almacenar representaciones vectoriales en ChromaDB. El curso se enfoca en la construcción de un sistema RAG (Retrieval-Augmented Generation), una técnica moderna que permite a la IA responder consultas basándose únicamente en información relevante de tu base de datos.
A lo largo del curso desarrollarás un proyecto completo que simula un asistente inmobiliario capaz de responder preguntas sobre propiedades usando únicamente los datos que tú le proporciones. Aprenderás a cargar información desde archivos JSON o APIs, a normalizar y vectorizar los textos, y a integrar todo esto con un modelo de lenguaje que genera respuestas precisas y controladas.
Este curso está diseñado para desarrolladores Python que buscan aplicar la inteligencia artificial de forma práctica y privada, sin depender de plataformas externas. Ideal si deseas implementar IA en tus propias aplicaciones, chatbots o sistemas inteligentes empresariales.
Lo que aprenderás
-
Construir un sistema de inteligencia artificial local utilizando Python y Ollama, sin depender de servicios externos como OpenAI.
-
Implementar una arquitectura RAG (Retrieval-Augmented Generation) para responder preguntas basadas en datos propios.
-
Utilizar ChromaDB como base de datos vectorial para almacenar y consultar información semántica.
-
Trabajar con embeddings semánticos usando sentence-transformers, transformando texto en vectores numéricos interpretables por modelos de IA.
-
Cargar y procesar datos desde archivos JSON o APIs externas, preparándolos para su uso en el sistema.
-
Desarrollar un asistente inteligente con capacidad para entender y responder preguntas utilizando únicamente los datos proporcionados.
-
Crear una interfaz web funcional en Python con Flask, para interactuar con el asistente de manera simple y práctica.
-
Normalizar y preprocesar texto para mejorar la calidad de búsqueda y recuperación, incluyendo manejo de mayúsculas, acentos y signos.
-
Integrar múltiples herramientas de IA en un flujo local eficiente, entendiendo cómo se comunican entre sí Ollama, ChromaDB y Python.
-
Aplicar este conocimiento a proyectos reales, como asistentes para bienes raíces, educación, documentación interna o atención al cliente.
