Chatbots con Python: de las Reglas a los Modelos Generativos

Aprende a construir chatbots en Python recorriendo los tres grandes enfoques: basados en reglas, de recuperación y generativos con redes seq2seq. Partirás de expresiones regulares y etiquetado gramatical, construirás un asistente con intenciones, entidades y llenado de huecos, un recuperador con TF-IDF y vectores de palabras, y un modelo codificador–decodificador con LSTM en Keras. Todo el código fue ejecutado y verificado, y cada técnica se evalúa con sus límites a la vista.

Qué aprenderás

• Usar expresiones regulares, tokenización y etiquetado gramatical para procesar texto.
• Diseñar bots con intenciones, entidades, prioridades, fallbacks y memoria de conversación.
• Construir recuperadores con bolsa de palabras, TF-IDF, similitud del coseno y embeddings de spaCy.
• Entrenar y usar un modelo seq2seq con LSTM, teacher forcing y decodificación paso a paso.
• Gestionar palabras desconocidas, sobreajuste y la confianza del modelo.
• Evaluar, desplegar con responsabilidad y entender el salto a los Transformers.

Requisitos previos

Python básico (funciones, listas, diccionarios y clases) e idea de qué es una red neuronal. Las lecciones sobre etiquetado con NLTK usan ejemplos en inglés porque su etiquetador solo soporta inglés; el resto del curso trabaja en español.