¿Por qué aprender Streamlit para Aplicaciones IA?

Construir una aplicación de Inteligencia Artificial no termina cuando el modelo funciona.

Para que una solución de IA pueda ser utilizada por otras personas necesita una interfaz sencilla, usable y capaz de conectar al usuario con modelos de lenguaje, APIs, bases de conocimiento, agentes y servicios externos.

Streamlit permite crear aplicaciones web interactivas directamente con Python, sin necesidad de desarrollar una arquitectura frontend tradicional con HTML, CSS o JavaScript.

Esto lo convierte en una herramienta especialmente útil para construir prototipos, herramientas internas, asistentes de IA, aplicaciones RAG, interfaces para agentes y soluciones de Data & AI.

En este workshop aprenderás a utilizar Streamlit como capa de interacción para aplicaciones modernas de Inteligencia Artificial.

El objetivo será pasar de un script de Python a una aplicación web funcional que permita al usuario interactuar con modelos, documentos, datos, APIs y agentes IA.

¿Qué aprenderás?

✅ Comprender qué es Streamlit y cuándo utilizarlo.
✅ Crear aplicaciones web con Python.
✅ Diseñar interfaces interactivas.
✅ Trabajar con inputs, botones y formularios.
✅ Organizar aplicaciones mediante layouts.
✅ Gestionar Session State.
✅ Construir aplicaciones multipágina.
✅ Mostrar tablas, métricas y gráficos.
✅ Crear interfaces tipo chatbot.
✅ Conectar Streamlit con APIs.
✅ Integrar FastAPI con Streamlit.
✅ Consumir servicios externos.
✅ Integrar modelos de lenguaje.
✅ Gestionar prompts.
✅ Mostrar respuestas generadas por IA.
✅ Construir interfaces para RAG.
✅ Permitir carga de documentos.
✅ Mostrar fuentes y contexto recuperado.
✅ Integrar agentes IA.
✅ Visualizar estados y resultados de ejecución.
✅ Gestionar errores y estados de carga.
✅ Configurar variables y secretos.
✅ Preparar una aplicación para despliegue.
✅ Diseñar una aplicación IA completa.

Ficha técnica

• Modalidad: online en directo.
• Duración: 12 horas.
• Distribución: 4 sesiones de 3 horas.
• Proyecto final: asíncrono.
• Plazo de entrega: 14 días.
• Corrección personalizada: incluida.
• Plazas: máximo 12 participantes.
• Nivel: intermedio.
• Idioma: castellano.

Metodología Taller de Tecnología®

• #1 Sesión: Fundamentos de Streamlit y construcción de interfaces (síncrono).
• #2 Sesión: Estado, layouts y aplicaciones interactivas (síncrono).
• #3 Sesión: Streamlit + LLM + RAG + APIs (síncrono).
• #4 Sesión: Aplicación IA completa y despliegue (síncrono).
• Proyecto final + certificación (asíncrono).

Temario del Workshop

• Introducción a Streamlit.
• Qué problema resuelve Streamlit.
• Streamlit dentro de una arquitectura Data & AI.
• Instalación y configuración.
• Creación de una primera aplicación.
• Ejecución con streamlit run.
• Elementos de texto.
• Títulos y encabezados.
• Markdown.
• Mensajes y estados.
• Inputs de texto.
• Inputs numéricos.
• Selectbox.
• Multiselect.
• Sliders.
• Checkboxes.
• Botones.
• Formularios.
• File Uploader.
• Visualización de DataFrames.
• Tablas.
• Métricas.
• Gráficos.
• Columns.
• Containers.
• Tabs.
• Sidebar.
• Layouts.
• Aplicaciones multipágina.
• Session State.
• Persistencia de información entre interacciones.
• Callbacks.
• Cache.
• Optimización de ejecución.
• Estados de carga.
• Spinners.
• Progress.
• Gestión de errores.
• Introducción a interfaces conversacionales.
• Chat Elements.
• Chat Input.
• Chat Message.
• Historial conversacional.
• Integración con modelos de lenguaje.
• Prompts.
• System Prompt.
• User Prompt.
• Visualización de respuestas generadas.
• Streaming de respuestas.
• Conexión con APIs.
• Requests HTTP.
• Integración Streamlit + FastAPI.
• Separación frontend / backend.
• Consumo de endpoints.
• Gestión de respuestas JSON.
• Introducción a interfaces RAG.
• Carga de documentos.
• Consulta de una base de conocimiento.
• Visualización del contexto recuperado.
• Visualización de fuentes.
• Chat con documentos.
• Integración con agentes IA.
• Interfaz para ejecución de herramientas.
• Visualización de resultados.
• Human-in-the-Loop desde Streamlit.
• Confirmación de acciones.
• Paneles de control para agentes.
• Variables de entorno.
• Secrets.
• Gestión de credenciales.
• Configuración de la aplicación.
• Introducción al despliegue.
• Streamlit Community Cloud.
• Despliegue en infraestructura propia.
• Arquitectura Streamlit + FastAPI + AI Services.
• Buenas prácticas de desarrollo.

Proyecto Final + Certificación (Asíncrono)

Al finalizar el workshop, los alumnos realizarán de manera individual un proyecto práctico que deberá ser entregado dentro del plazo establecido.

El proyecto consistirá en construir una aplicación web de Inteligencia Artificial utilizando Streamlit.

El alumno desarrollará una interfaz que permita al usuario interactuar con una solución IA desde el navegador.

La aplicación deberá incluir diferentes componentes de interacción, gestión de estado y visualización de resultados.

Como parte del proyecto, el alumno integrará al menos uno de los siguientes escenarios:

• Asistente conversacional conectado a un modelo de lenguaje.
• Aplicación RAG para consultar documentos.
• Interfaz para consumir una API desarrollada con FastAPI.
• Aplicación conectada con un Agente IA.

La solución deberá permitir al usuario introducir información, ejecutar consultas y visualizar de forma clara las respuestas obtenidas.

También deberá incorporar gestión del historial o Session State para conservar información entre diferentes interacciones.

Cuando se utilice RAG, la aplicación deberá permitir consultar una base de conocimiento y mostrar las fuentes o documentos utilizados para construir la respuesta.

Cuando se utilicen herramientas o agentes, la interfaz deberá mostrar claramente las acciones y resultados relevantes para el usuario.

El proyecto representará una arquitectura similar a:

Usuario → Streamlit → API / LLM / RAG / Agente → Datos y Servicios → Respuesta

Además de la funcionalidad, se evaluará la organización del código, la claridad de la interfaz, la experiencia de usuario, la gestión del estado y la integración correcta entre los distintos componentes.

El proyecto será evaluado por el instructor, quien proporcionará comentarios personalizados, propuestas de mejora y una valoración técnica de la solución presentada.

Los alumnos que superen satisfactoriamente la evaluación recibirán el Certificado de Aprovechamiento de Taller de Tecnología, acreditando las competencias adquiridas durante el workshop.

Formador: Daniel Castillo Garrosset

Formador especializado en Data Engineering, Business Intelligence e IA Generativa, con más de 25 años de experiencia impartiendo formación técnica a empresas, universidades y entidades públicas. Formador de Data Science en el Cibernarium de Barcelona Activa.

• Experiencia real como formador.
• Metodología y enfoque práctico.
• Corrección individual del proyecto.

Requisitos

• Python (nivel básico-intermedio).
• Conocimientos básicos de funciones y estructuras de datos en Python.
• Conocimientos básicos de APIs recomendables.
• Conceptos básicos de IA Generativa recomendables.

No es necesario conocer previamente Streamlit ni desarrollo frontend.

Público objetivo

• AI Engineers.
• Data Scientists.
• Data Engineers.
• Machine Learning Engineers.
• Desarrolladores Python.
• Analytics Engineers.
• Data Analysts con conocimientos de Python.
• Profesionales que quieran convertir scripts de IA en aplicaciones utilizables.
• Profesionales interesados en construir prototipos, asistentes, aplicaciones RAG y herramientas internas de IA.

¿Por qué elegir este workshop?

✔ Material descargable
✔ Proyecto real
✔ Soporte durante el workshop
✔ Certificación
✔ Corrección personalizada
✔ Enfoque 100 % práctico
✔ Streamlit + Python
✔ Interfaces para IA Generativa
✔ Chat + RAG + APIs
✔ Integración con agentes IA
✔ Proyecto preparado para portfolio

FAQs

• ¿Necesito conocer Streamlit?: No. El workshop parte desde los fundamentos.
• ¿Necesito saber desarrollo web?: No. Una de las principales ventajas de Streamlit es que permite crear aplicaciones web directamente con Python sin necesidad de desarrollar un frontend tradicional.
• ¿Necesito saber Python?: Sí. Es recomendable disponer de un nivel básico-intermedio.
• ¿Crearemos aplicaciones tipo chatbot?: Sí. Trabajaremos con los componentes conversacionales de Streamlit y gestión del historial.
• ¿Integraremos modelos de lenguaje?: Sí. Se utilizará Streamlit como interfaz para interactuar con servicios y modelos de IA.
• ¿Trabajaremos con RAG?: Sí. Veremos cómo crear una interfaz para consultar una base de conocimiento y mostrar respuestas basadas en documentos.
• ¿Podré cargar documentos desde la aplicación?: Sí. Se utilizará File Uploader para trabajar con archivos proporcionados por el usuario.
• ¿Podemos conectar Streamlit con FastAPI?: Sí. Se explicará cómo separar la interfaz de usuario de la lógica backend mediante una arquitectura Streamlit + FastAPI.
• ¿Podemos utilizar Streamlit con agentes IA?: Sí. Streamlit puede actuar como interfaz para agentes y workflows desarrollados con tecnologías como LangGraph.
• ¿Veremos Session State?: Sí. Es uno de los conceptos fundamentales para construir aplicaciones interactivas y mantener información entre ejecuciones.
• ¿Veremos despliegue?: Sí. Se explicarán las alternativas básicas para publicar una aplicación y hacerla accesible a otros usuarios.
• ¿Es un curso teórico?: No. Más del 80 % del tiempo estará dedicado a código y construcción progresiva de aplicaciones.
• ¿Obtendré certificado?: Sí, una vez superado satisfactoriamente el proyecto final.
• ¿Puedo utilizar el proyecto como portfolio?: Sí. El proyecto estará diseñado para demostrar que puedes transformar una solución de IA desarrollada en Python en una aplicación web funcional.