IA en ProducciónIA en ProducciónEntrar
Ingeniería de IA aplicada · En español

Lleva sistemas con LLMs del notebook a producción

Rutas de ingeniería en Python escritas para leerse despacio y ejecutarse en tu máquina. Sin relleno ni recetas mágicas: construyes arquitecturas reales, las mides con evaluaciones reproducibles, optimizas su recuperación, despliegas agentes con control de estado y obtienes un certificado verificable por cada curso.

4cursos técnicos en el catálogo
42módulos con infografías y código
42autoevaluaciones corregidas
Certificadoverificable con enlace público

Cómo está hecho cada módulo

No son notas sueltas ni diapositivas. Cada módulo tiene cuatro piezas que se leen y ejecutan en orden.

01 · Manual + Infografías

El criterio de ingeniería

Qué problema resuelve cada técnica, diagramas de arquitectura, cuánto cuesta en latencia y dólares, y cuándo conviene evitarla.

02 · Código en Python

Laboratorios ejecutables en .zip

Lees el código completo en la web y descargas el paquete .zip del curso para correrlo en tu máquina, sin bloqueo de notebooks en la nube.

03 · Ejercicios

Retos con solución comentada

Problemas que te obligan a modificar el sistema, medir el impacto con métricas reales y comparar alternativas.

04 · Autoevaluación

Progreso y certificación

Preguntas de diagnóstico técnico para validar criterio. Al completar un curso, desbloqueas su certificado verificable.

Catálogo de especialización: de fundamentos a agentes en producción

Puedes tomar cada curso por separado o seguir la ruta progresiva completa sobre sistemas reales en Python.

Arquitectura del curso Fundamentos de AI EngineeringEtapa 1 · Construir el sistema · 9 módulos

Fundamentos de AI Engineering

De un demo a software de verdad. Construyes un buscador de hojas de vida de principio a fin: extracción validada con esquemas, embeddings, RAG híbrido, agentes con herramientas, observabilidad y guardrails.

  1. Datos estructurados con LLMs
  2. Embeddings y búsqueda semántica
  3. Chunking, metadata e introducción a RAG
  4. BM25, búsqueda híbrida y Reciprocal Rank Fusion
  5. Workflows y agentes
  6. LangGraph
  7. Observabilidad
  8. Memoria y guardrails
  9. Proyecto integrador
Arquitectura del curso Evals para AI EngineersEtapa 2 · Medir con rigor · 13 módulos

Evals para AI Engineers

¿Cómo sabes, con evidencia, si un cambio mejoró o empeoró tu sistema? Análisis de errores, etiquetado, datos sintéticos, LLM como juez calibrado y evals en CI.

  1. Qué vamos a evaluar
  2. El primer eval en una tarde
  3. Error analysis sobre un pipeline de extracción
  4. Datos sintéticos para arrancar sin usuarios
  5. Las personas que etiquetan, y cómo se ponen de acuerdo
  6. LLM como juez, y cómo saber si el juez acierta
  7. ¿Falló el retrieval o falló la respuesta?
  8. Evaluar agentes con herramientas
  9. Evals de conversaciones de varios turnos
  10. Del notebook al CI
  11. Evals y guardrails en producción
  12. Mejorar el sistema con lo que dicen los evals
  13. Proyecto final · Evaluar desde cero un sistema que no construiste
Arquitectura del curso AI search: medir y mejorarEtapa 3 · Optimizar la recuperación · 11 módulos

AI search: medir y mejorar

¿Qué está fallando en tu RAG y qué cambio lo arregla? Cada módulo mide primero (Recall@k, MRR, NDCG), prueba una técnica y verifica si los números se mueven.

  1. Qué vamos a mejorar, y con qué datos
  2. Antes de modificar algo, hay que medir
  3. Query understanding y routing: qué busca de verdad el usuario
  4. El parsing le pone techo a todo el RAG
  5. Un retrieval que traiga el documento correcto
  6. Context engineering y long context
  7. Cuándo un grafo o SQL le ganan a los vectores
  8. Lo que enseñan los clics, y learning to rank
  9. Seguridad y permisos en un índice que cambia todos los días
  10. Que no se caiga y que no salga carísimo
  11. Proyecto final · Un sistema medido antes y después
Arquitectura del curso Agentes en producción: herramientas, estado y controlEtapa 4 · Orquestar agentes en producción · 9 módulos

Agentes en producción: herramientas, estado y control

¿Cómo construyes un agente que opera sobre sistemas reales sin salirse de presupuesto ni corromper datos? Contratos poka-yoke, máquinas de estado, checkpoints, MCP, subagentes, aprobación humana y evaluación pass^k.

  1. Cuándo usar (y cuándo no usar) un agente
  2. Diseño de herramientas y contratos poka-yoke
  3. Máquinas de estados, checkpoints e idempotencia
  4. Presupuesto de contexto, poda y memoria
  5. Protocolo MCP y servidores de herramientas
  6. Subagentes, delegación y ejecución paralela
  7. Aprobación humana y defensa contra inyección indirecta
  8. Evaluar agentes: trayectorias, pass@k y pass^k
  9. Proyecto final: agente de preselección en producción

Resumen rápido del currículo

Comparativa directa para elegir por dónde empezar según lo que estás construyendo hoy.

CursoEtapaMódulosQué dominas en la prácticaAcceso gratuito
Fundamentos de AI EngineeringEtapa 1 · Construir el sistema9De un demo a software de verdad. Construyes un buscador de hojas de vida de principio a fin: extracción validada con esquemas, embeddings, RAG híbrido, agentes con herramientas, observabilidad y guardrails.Módulo inicial · Muestra .zip
Evals para AI EngineersEtapa 2 · Medir con rigor13¿Cómo sabes, con evidencia, si un cambio mejoró o empeoró tu sistema? Análisis de errores, etiquetado, datos sintéticos, LLM como juez calibrado y evals en CI.Módulo inicial · Muestra .zip
AI search: medir y mejorarEtapa 3 · Optimizar la recuperación11¿Qué está fallando en tu RAG y qué cambio lo arregla? Cada módulo mide primero (Recall@k, MRR, NDCG), prueba una técnica y verifica si los números se mueven.Módulo inicial · Muestra .zip
Agentes en producción: herramientas, estado y controlEtapa 4 · Orquestar agentes en producción9¿Cómo construyes un agente que opera sobre sistemas reales sin salirse de presupuesto ni corromper datos? Contratos poka-yoke, máquinas de estado, checkpoints, MCP, subagentes, aprobación humana y evaluación pass^k.Módulo inicial · Muestra .zip
Incluido en todos los planes

Certificado verificable al finalizar cada curso

Cuando completas el 100 % de las lecciones y autoevaluaciones de un curso, tu cuenta genera un certificado con código único, URL pública de verificación para reclutadores o empresas, botón para añadir a LinkedIn y descarga en PDF en alta definición.

IA en ProducciónIAP-AGENTES-PROD2026
Agentes en producción: herramientas, estado y control9 módulos · 9 autoevaluaciones aprobadas · Verificación pública activa
Estándar técnico y reproducibilidad

Escrito como documentación de producción, no como diapositivas

Cada módulo separa fundamentos, código ejecutable, ejercicios con solución y autoevaluación de criterio. Los paquetes descargables incluyen datos sintéticos y modos deterministas locales para verificar flujos, pruebas automatizadas (`pytest`) y contratos antes de gastar presupuesto en llamadas reales a modelos.

Actualización continua del catálogoCódigo fuente Python descargable por cursoÍndice técnico llms.txt

Planes

Precios de referencia en dólares. El cobro se realiza en moneda local al cambio del día con el total exacto visible antes de pagar. Ningún plan se renueva solo.

Mensual

10 USD / 30 días
  • Acceso completo a los 4 cursos (42 módulos)
  • Código descargable (.zip), infografías y certificados verificables
  • Renuevas solo si quieres continuar
Dos meses de ahorro

Anual

100 USD / año
  • Todo el catálogo actual (4 cursos, 42 módulos)
  • Acceso automático a nuevos cursos y actualizaciones durante el año
  • Código descargable (.zip), infografías y certificados verificables

Un curso

40 USD / pago único
  • El curso que elijas, sin fecha de vencimiento
  • Su paquete .zip descargable y certificado verificable
  • Actualizaciones de ese curso incluidas

Preguntas frecuentes

¿Qué necesito saber antes de empezar?

Python a nivel intermedio y haber usado alguna API REST. No hace falta experiencia previa con modelos de lenguaje ni con machine learning.

¿En qué orden conviene hacer los 4 cursos?

Si empiezas desde cero con LLMs en producción, te conviene seguir la secuencia recomendada del catálogo: 1) Fundamentos de AI Engineering, 2) Evals para AI Engineers, 3) AI search: medir y mejorar, 4) Agentes en producción: herramientas, estado y control. Si ya tienes un sistema RAG o agente operando, puedes entrar directo al curso del área que necesitas reforzar.

¿Puedo entrar con Google o con correo y contraseña?

Sí. Puedes iniciar sesión con 1 clic usando tu cuenta de Google o crear una cuenta directa con correo y contraseña y recuperación por email.

¿Cómo funcionan los laboratorios y las descargas .zip?

Cada módulo incluye scripts completos en Python listos para leer en la web y descargar en un paquete .zip por curso (con sus dependencias y archivo LEEME.txt). Puedes descargar una muestra gratis del primer módulo de cada curso sin comprar.

¿Necesito pagar una API de un proveedor de modelos?

El código con llamadas a LLMs usa OpenAI (OPENAI_API_KEY) o cualquier API compatible mediante OPENAI_BASE_URL. Además, el curso de Agentes en producción incluye un modelo simulado determinista y varios módulos de Fundamentos corren en local con costo cero de tokens.

¿Cómo funciona el certificado?

Al aprobar todas las autoevaluaciones y completar las lecciones de un curso, tu cuenta habilita un certificado verificable con código único, enlace público y descarga en PDF lista para LinkedIn.

¿Los planes se renuevan automáticamente o tienen reembolso?

Ningún plan se renueva solo: el mensual (30 días) y el anual (365 días) son pagos únicos por periodo. También puedes solicitar reembolso dentro de los plazos publicados en Términos y reembolsos.

IA en Producción · Cursos técnicos de AI Engineering, Evals, RAG y Agentes