Agente conversacional asistente para soporte interno con razonamiento
Visión general
De qué trata este proyecto.
Diseña un agente de soporte interno con embeddings y razonamiento paso a paso. Compara estrategias y obtén un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Construir y evaluar un agente conversacional RAG sobre documentación interna que cite fuentes y supere a un LLM sin recuperación.
Earning criteria — what you'll demonstrate
- Diseñar agentes conversacionales con razonamiento explícito
- Implementar Retrieval-Augmented Generation sobre documentación interna
- Evaluar LLMs en una tarea cerrada con métricas honestas
- Comunicar limitaciones y riesgos de un agente a stakeholders no técnicos
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Artificial Intelligence: Principles and Techniques
Master · Ai Ml
Fit score: 1
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero de IA
Construir un agente RAG completo, evaluarlo con honestidad y proponer un plan de despliegue es trabajo directo de un AI Engineer en cualquier empresa SaaS.
Este proyecto afina
- llm-agents
- retrieval-augmented-generation
- model-evaluation
Ingeniero de Prompts
Comparar estrategias de prompt con rigor y evaluar la calidad de citas y razonamiento es el músculo nuclear del rol de Prompt Engineer.
Este proyecto afina
- prompt-engineering
- llm-agents
- model-evaluation
Ingeniero de NLP
El diseño del pipeline de recuperación y la evaluación sobre preguntas reales es ejercicio típico de un NLP Engineer en producto de soporte.
Este proyecto afina
- retrieval-augmented-generation
- knowledge-representation
- model-evaluation