Semana 0 — Nivelación de Python y entorno profesional.
POO, estructuras de datos, manejo de errores y ficheros, Poetry, venv, Git y GitHub

Semana 1 — Fundamentos de LLMs y API de OpenAI
Que es un LLM: arquitectura a nivel practico, no académico
Limitaciones reales, alucinaciones y errores habituales
API de OpenAI: autenticación, modelos disponibles y parámetros clave
Prompting técnico: system prompt, roles, temperatura y tokens
Conversaciones multi-turno: gestión del historial de mensajes
Respuestas estructuradas: JSON mode y Structured Outputs
Gestión de errores, reintentos y control de costes en la API
Proyecto de semana: primera aplicación Python con LLM integrado

Semana 2 — Construcción de aplicaciones con LLMs
Gestion avanzada de contexto y ventana de contexto
Streaming de respuestas: implementacion y casos de uso
Embeddings de OpenAI: generacion, almacenamiento y busqueda por similitud
Introduccion a LlamaIndex: arquitectura, componentes y primeros pasos
Integracion LLM + FastAPI: construccion de una API con IA
Buenas practicas en produccion: logging, manejo de fallos y costes
Ejercicio integrador: aplicacion FastAPI + LLM + streaming

Semana de consolidación, no lectiva

Semana 3 — RAGs y bases de datos vectoriales
Que es un RAG y cuando usarlo frente a fine-tuning o prompt engineering
Pipeline RAG completo: ingesta, chunking, indexado y consulta
Bases de datos vectoriales: ChromaDB y FAISS, diferencias y casos de uso
RAG con LlamaIndex: VectorStoreIndex, SimpleDirectoryReader, QueryEngine
Estrategias de chunking y su impacto en la calidad de respuestas
RAG sobre PDFs y documentacion tecnica propia
Proyecto de semana: RAG completo sobre una base de conocimiento real

Semana 4 — Agentes: fundamentos y herramientas
Que es un agente: razonamiento, herramientas y bucle de accion
Function calling con OpenAI: definicion y ejecucion de herramientas
Agentes con LlamaIndex: ReActAgent, FunctionCallingAgent
Memoria persistente en agentes: tipos y implementacion
Agente con acceso a base de datos propia
Casos reales: agente que consulta una API externa
Ejercicio integrador: agente con memoria y dos herramientas propias

Semana 5 — Agentes avanzados y sistemas multi-agente
Orquestacion de multiples herramientas en un solo agente
Arquitecturas multi-agente: cuando y por que usarlas
Comunicacion entre agentes con LlamaIndex
Evaluacion de agentes: metricas, trazabilidad y depuracion
Testing de agentes: como validar comportamientos complejos
Proyecto de semana: pipeline multi-agente sobre un problema real

Semana 6 — Proyecto final integrador
Briefing del proyecto: requisitos, planificación técnica y decisiones de diseño
Desarrollo del proyecto (sesiones acompanadas por asistente y profesor)
Documentacion: README, arquitectura del sistema e instrucciones de despliegue
Code review con el profesor y mejoras finales
Presentacion y defensa ante el grupo