Curso Spring AI: Integración de IA en aplicaciones Java del centro TrainingIT

Descripción

Con este programa aprenderás a integrar inteligencia artificial generativa en aplicaciones Java mediante Spring AI, conectando modelos como OpenAI y Ollama y trabajando con prompts, conversaciones y respuestas estructuradas. Conocerás embeddings y bases de datos vectoriales para implementar sistemas RAG capaces de buscar información relevante en documentos y generar respuestas más precisas, utilizando Qdrant.

También aprenderás a crear agentes de IA con herramientas y memoria, capaces de consultar APIs, tomar decisiones y ejecutar acciones de forma autónoma. Trabajarás con casos prácticos como consultas meteorológicas y selección y convocatoria de candidatos.

A quién va dirigido

Este programa está dirigido a profesionales que ya trabajan con Java y Spring y quieren incorporar IA generativa a sus aplicaciones.

Objetivos

• Integrar modelos como OpenAI y Ollama en aplicaciones Java con Spring AI.
• Diseñar prompts y configurar parámetros para obtener respuestas precisas.
• Convertir respuestas de IA en objetos Java estructurados.
• Trabajar con embeddings, similitud semántica y bases de datos vectoriales con Qdrant.
• Crear sistemas RAG para consultar documentos antes de generar respuestas.
• Implementar tool calling y agentes de IA capaces de utilizar herramientas externas.
• Gestionar el contexto de las conversaciones mediante ChatMemory.

Temario

0. Bienvenida

Bienvenida

1. Fundamentos sobre aplicaciones IA

1.1 Fundamentos sobre Inteligencia Artificial

1.2 Modelos de lenguaje (LLM)

1.3 Introducción a Spring AI

2. Primeros pasos con Spring AI

2.1 Pasos previos y configuración con Open AI

2.2 Presentación de un proyecto básico

2.3 Implementación del proyecto de información. Parte I

2.4 Implementación del proyecto de información. Parte II

2.5 Utilización de modelos Ollama

3. Componentes de Spring AI

3.1 Componentes de Spring AI

3.2 Uso de prompts

3.3 Proyecto tutor. Parte I

3.4 Proyecto tutor. Parte II

3.5 Configuración de la respuesta

3.6 La clase PromptTemplate

3.7 Proyecto tutor tecnológico

3.8 Formateado de respuestas

3.9 Proyecto tutoriales. Parte I

3.10 Proyecto tutoriales. Parte II

3.11 Proyecto tutoriales. Parte III

4. Embeddings

4.1 Definición de embedding y fundamentos

4.2 Proyecto comparación semántica mediante embeddings. Parte I

4.3 Proyecto comparación semántica mediante embeddings. Parte II

4.4 Proyecto comparación semántica mediante embeddings. Parte II

5. Bases de datos vectoriales

5.1 Definición y objetivo de las bases de datos vectoriales

5.2 Proyecto buscador de títulos: Presentación y creación del proyecto

5.3 Proyecto buscador de títulos: Ingestión y búsqueda semántica

5.4 Proyecto buscador de títulos: Controlador y configuración

5.5 Bases de datos Qdrant

5.6 Proyecto búsqueda de destinos: presentación y modelo de datos

5.7 Proyecto búsqueda de destinos: capa de negocio. Parte I

5.8 Proyecto búsqueda de destinos: capa de negocio. Parte II

5.9 Proyecto búsqueda de destinos: controlador y configuración

6. Retrieval Augmented Generation (RAG)

6.1 Introducción a RAG. Chunks y splitters

6.2 Aplicando RAG en la práctica

6.3 Proyecto curriculom: pasos previos

6.4 Proyecto curriculums: componentes auxiliares

6.5 Proyecto curriculums: troceado e ingestión de documentos

6.6 Proyecto curriculums: búsqueda y consulta

6.7 Proyecto curriculums: controlador

6.8 Proyecto curriculums: configuración y pruebas

6.9 Proyecto curriculums mejorado: acceso a documentos completos

7. Tool calling

7.1 Fundamentos del tool calling

7.2 Proyecto información de fecha. Parte I

7.3 Proyecto información de fecha. Parte II

8. Agentes IA

8.1 Definición de agente IA y fundamentos

8.2 Implementación de Agente meteorológico: modelos de datos

8.3 Agente meteorológico: herramientas y aplicación de tool calling

8.4 Agente meteorológico: controlador

8.5 Agente meteorológico: configuración y pruebas

8.6 Proyecto agente de contratación: presentación

8.7 Proyecto agente de contratación: implementación de herramientas. Parte I

8.8 Proyecto agente de contratación: implementación de herramientas. Parte II

8.9 Proyecto agente de contratación: implementación del agente

9. Gestión de memoria en aplicaciones IA

9.1 La gestión del estado en aplicaciones IA

9.2 Gestión del estado en Spring AI con ChatMemory

9.3 Gestión del estado en un agente IA. Parte I

9.4 Gestión del estado en un agente IA. Parte II

10. Despedida

10.1 Despedida

Titulación obtenida

Finalizando el programa, recibirás:

1. Certificado de asistencia al curso.
2. Certificado de aprovechamiento

Requisitos

Para acceder al programa, los interesados deben cumplir con los siguientes requisitos:

• Conocimientos previos de Java y Spring Boot: el curso no explica programación ni los fundamentos de Spring desde cero.
• Un ordenador con conexión a internet.
• Un IDE de Java (el curso usa Eclipse) y Maven instalados.
• Docker instalado, necesario para ejecutar Qdrant, la base de datos vectorial usada en gran parte del curso.
• Una cuenta en OpenAI, de pago por consumo aunque con gasto mínimo, o como alternativa gratuita, Ollama instalado en local: el curso muestra ambas opciones.

Nota: Las cuentas, licencias y el consumo de herramientas externas (OpenAI, Docker, etc.) no están incluidos ni son gestionados por TrainingIT; corren por cuenta del alumno.

Información Adicional

Precio: 300 € 

Si vienes de Empresa, puedes bonificar hasta el 100% del curso con el crédito FUNDAE