Práctica Día 01 (Tema 0) — Puesta a punto y primer contacto con un agente

Asignatura: Deep Learning para Business Analytics — Comillas (ICADE). Profesor: Eduardo C. Garrido-Merchán · ecgarrido@comillas.edu. Curso: 2026–2027.

Objetivo

Esta práctica no se evalúa con nota numérica. Es requisito de arranque: hasta que no esté aceptada, no se cuenta al alumno para los Kahoots ni para los casos prácticos del Bloque I.

El propósito es triple: verificar el entorno Python, levantar Ollama y hablar con un LLM local, y tener la primera conversación con un agente (Claude Code o opencode+Ollama).

Qué se entrega

Una carpeta comprimida apellidos_nombre_practica01.zip con:

1. practica_01.ipynb ejecutado, con outputs visibles.
2. practica_01.pdf, exportado del notebook.
3. README_DECLARACION_IA.md, breve, con la tabla de la sección 6.

Quien prefiera plain-Python a notebook entrega además practica_01.py. No sustituye al notebook, lo complementa: el notebook es lo que se evalúa.

Criterio de aceptación

Binario: aceptada o devuelta para reenvío.

• El notebook se ejecuta de principio a fin sin errores.
• Sección 2 muestra una respuesta de Ollama no vacía y coherente.
• Sección 3 incluye un dataset elegido, descrito y con pregunta de negocio.
• Sección 4 incluye respuesta literal del agente y modelo usado.
• Sección 5 está rellenada con texto propio.
• Sección 6 (declaración de IA) está rellena.

Política de IA

Permitida y fomentada. La sección 5 no puede generarse con IA: es la única condición no negociable.

Fechas

• Publicación: primer día del semestre.
• Entrega: antes del inicio de la segunda clase (Día 02).
• Feedback: en 48 h por correo.

Ayudas

Foro primero, profesor después. Tutorías solo si el bloqueo dura más de 24 h tras haber preguntado en el foro.