Aleksey Seleznev publica un curso gratuito en vídeo de R para desarrollar herramientas de IA

Aleksey Seleznev ha publicado un curso gratuito en vídeo de R dedicado a crear herramientas de IA, interfaces de chat y sistemas multiagente. Está planteado como una ruta práctica para quienes ya programan en R y quieren integrar LLM en sus flujos de trabajo, en lugar de limitarse a usar chats web.

Qué incluye el curso

La idea central es demostrar que el ecosistema de R ya sirve no solo para la analítica clásica y la visualización, sino también para el desarrollo completo de aplicaciones de IA. El autor no apuesta por un conjunto de trucos sueltos, sino por una pila de herramientas conectadas: `ellmer` para trabajar con modelos, `mcptools` para MCP, `ragnar` para RAG, `shinychat` y `querychat` para las interfaces, y `mini007` para escenarios con agentes. Así, el curso se parece menos a un repaso de novedades y más a un intento de ofrecer a los desarrolladores de R una trayectoria lista para entrar en la IA aplicada.

«Este curso no trata de ejemplos abstractos ni de demos de juguete».

Además, los materiales son gratuitos y se presentan como un libro en línea con videoclases, apuntes y ejemplos de código. Eso baja la barrera de entrada para quienes llevan años en R, pero seguían viendo los frameworks de IA modernos como territorio de Python. El curso resuelve dos cosas a la vez: aporta una estructura de aprendizaje y muestra qué paquetes usar ya, sin montar uno mismo la pila a partir de decenas de repositorios y artículos.

Siete módulos prácticos

El programa consta de siete clases sucesivas. Primero, el autor explica el trabajo básico con LLM mediante el paquete `ellmer`: configurar claves de API, crear chats, extraer datos estructurados de un texto y montar una interfaz sencilla. Después el curso pasa a temas más aplicados: llevar el modelo a un bot de Telegram, gestionar el contexto del usuario y guardar el historial de conversaciones entre sesiones.

• Conexión directa a distintos proveedores de LLM desde R
• Creación de chats de IA e interfaces web con Shiny
• Puesta en marcha de un servidor y un cliente MCP para trabajar con herramientas externas
• Construcción de un sistema RAG con embeddings, DuckDB y búsqueda híbrida
• Desarrollo de escenarios multiagente que generan y ejecutan código R

En la segunda mitad, el énfasis pasa a arquitecturas más complejas. Un módulo se dedica a MCP como forma de conectar modelos con datos y funciones, incluida la conexión con herramientas como Claude Desktop. Otro trata el enfoque RAG: embeddings, almacén vectorial en DuckDB y respuestas basadas en documentación propia. Varias sesiones abordan la configuración de la interfaz `shinychat`, el funcionamiento de `querychat`, que traduce consultas en lenguaje natural a SQL, y los sistemas multiagente, donde la IA no solo responde, sino que coordina acciones, evalúa la calidad de los resultados y ejecuta código.

A quién va dirigido

Según el autor, el curso está pensado sobre todo para analistas de datos, desarrolladores de R y quienes ya escriben código en R con soltura. No es un material introductorio para principiantes absolutos: sin conocer la sintaxis básica del lenguaje ni el manejo de paquetes, el ritmo probablemente resultará demasiado rápido. En cambio, para profesionales que quieren pasar rápido de «probé un chatbot» a un prototipo funcional, el programa parece bastante práctico.

La fortaleza del curso es que cubre varios escenarios de trabajo que normalmente se aprenden por separado. API de LLM, bots, interfaces web, acceso a datos mediante MCP, búsqueda en una base de conocimiento propia y patrones de agentes, todo reunido en un solo lugar. Para los equipos corporativos es especialmente útil: un analista o desarrollador de BI puede mantener su lenguaje y su pila y añadir funciones de IA directamente a proyectos de R, paneles y servicios internos ya existentes. El formato gratuito también cuenta: el curso puede servir como punto de entrada interno para un equipo sin presupuesto específico de formación.

Qué significa

R sigue siendo un lenguaje de nicho frente a Python en el desarrollo de IA, pero cursos como este muestran que la brecha se reduce con rapidez en las herramientas aplicadas. Para la comunidad rusohablante, es una vía estructurada y lista para entrar en LLM, MCP, RAG y sistemas de agentes sin salir del ecosistema habitual.