GuíaIntermedio
Workbook - Bootcamp de AI Engineering
_Pendiente de redactar._
- 212
- lecciones
- 22
- módulos
- Inglés · Español
- disponible en
- Incluido en el bootcamp
- acceso
NIEVA
Contenido
El temario, módulo por módulo
Abre cualquiera para ver sus lecciones.
- Objetivos de la Semana 1: Introduction to AI Engineering
- ¿Qué es AI Engineering?
- ¿Cómo AI Engineering difiere de otros roles técnicos?
- El AI Stack Moderno
- Large Language Models (LLMs)
- APIs como Fundamento del AI Moderno
- Cómo los Sistemas de AI están Construidos Hoy
- Week 1: Sesión de Repaso y Entrega: Tu primer día como AI Engineer, en vivo
- Objetivos de la Semana 2: Python Applied to AI
- Python como Herramienta para AI Engineers
- Fundamentos HTTP para Sistemas AI
- JSON en Aplicaciones AI
- Variables de Entorno y Configuración
- Opciones para Acceder a LLMs: Local vs Cloud
- Consumir APIs AI con Python
- Entender Respuestas de AI APIs
- Salidas Estructuradas
- Repaso en Vivo y Entrega — Semana 2: Script Completo AI Chat
- Objetivos de la Semana 3: LangChain
- El Problema: Por qué Necesitamos LangChain
- ¿Qué es LangChain?
- Prompts como Objetos
- Chains: Conectando Pasos
- Intro a Memoria
- Pensar en Aplicaciones
- Entrega de la Semana
- Week 03 - LangChain: De Código Crudo a Abstracciones
- Objetivos de la Semana
- ¿Qué es Prompt Engineering?
- Prompts como Contratos de Comportamiento
- Zero-Shot Prompting
- Few-Shot Prompting
- Chain-of-Thought (CoT) Prompting
- Evaluar Prompts
- Prompts en Sistemas Reales
- De prompt a context engineering
- Entrega de la Semana
- Week 04 — Prompt Engineering
- Objetivos de la semana
- Descripción de la cápsula
- ¿Qué es FastAPI?
- Primer Endpoint con FastAPI
- Pydantic: Contratos de Datos
- Manejo de Errores y Validación
- Documentación Automática con Swagger
- Entrega de la Semana 5
- Week 5 — FastAPI: De Scripts a Servicios
- Objetivos de la Semana 6: FastAPI + LangChain Integration
- Arquitectura de APIs de AI
- Integrar LLMChain en Endpoints
- State Management: Memoria en APIs
- Async Patterns para LLMs
- Testing de Endpoints de AI
- Limitaciones del Sistema Actual
- Entrega de la Semana 6: AI Technical Assistant API
- Week 6 — FastAPI + LangChain: De Simulación a AI Real
- Objetivos de la Semana 7: Introduction to RAG
- El Problema del Conocimiento Estático en LLMs
- ¿Qué es Retrieval-Augmented Generation (RAG)?
- Embeddings: Fundamentos Necesarios
- Chunking: Dividir Información
- Primer Flujo RAG End-to-End
- Limitaciones del RAG Básico
- Entrega de la Semana 7: Document Q&A Script
- Week 7 — RAG: De Conocimiento Estático a Documentos Reales
- Objetivos de la Semana 8: Vector Databases
- Por Qué Necesitamos Vector Databases
- ¿Qué es una Base de Datos Vectorial?
- Introducción a ChromaDB
- Indexar Documentos con ChromaDB
- Búsqueda Semántica Práctica
- Integrar ChromaDB con FastAPI
- Entrega de la Semana 8: API de Q&A con ChromaDB
- Week 8 — Vector Databases: De Prototipo a Producción con ChromaDB
- Objetivos de la Semana 9: Intermediate RAG
- Problemas Comunes del RAG Básico
- Estrategias de Chunking Avanzadas
- Mejoras en Embeddings (Practical)
- RAG Pipelines Estructurados
- Control de Contexto y Longitud
- Evaluar Relevancia de Documentos
- Reranking, contextual retrieval y el salto a agentic RAG
- Entrega de la Semana: RAG Mejorado con Técnicas Avanzadas
- Week 9 — Intermediate RAG: Optimización de Calidad y Costos
- Semana 10 — Agentes I: del loop manual a un agente con estado
- ¿Qué es Function Calling / Tool Use?
- Por Qué Function Calling es Crítico
- Function Calling con OpenAI
- Construyendo Tools Seguros para tu Agente
- El Agent Loop: Orquestando Tools
- Del loop manual a StateGraph
- Tools, ToolNode y el ciclo ReAct
- `create_react_agent` y salidas estructuradas
- Persistencia, memoria, streaming y aprobación humana
- Mini-proyecto: tu agente de investigación
- Week 10 — Agentes I: arma tu agente con estado en vivo (LangGraph)
- Semana 11 — Agentes II: de un agente a un sistema
- Subgraphs y orquestación
- Multi-agente con supervisor
- Handoffs directos y swarm
- Protocolos: MCP y A2A
- Memoria de largo plazo por tiers
- Seguridad de agentes e intro a evaluación
- Mini-proyecto: tu sistema multi-agente
- Week 11 — Agentes II: arma tu sistema multi-agente en vivo
- Objetivos de la Semana 12: Evaluation & Observability de Sistemas AI
- Por Qué Evaluar es Crítico en AI Engineering
- Métricas para RAG: Relevance, Groundedness, Completeness
- Golden Datasets y Test Cases
- LLM-as-a-Judge: Evaluación Práctica
- Benchmarking Awareness: MT-Bench, HELM y Otros
- Testing de Agents y Tools
- Observabilidad y evaluación de trayectoria
- Entrega de la Semana: Evaluar y Mejorar tu Agent
- Week 12 — Evaluation & Testing: Framework profesional para sistemas AI
- Objetivos del Proyecto Fase 2
- Definir Scope y Arquitectura
- Setup: RAG + ChromaDB + FastAPI
- Implementar Retrieval Pipeline
- Integrar Tool Use y Function Calling
- Aplicar Evaluation Framework
- Primera Versión Funcional
- Checkpoint: Mid-Project Review
- Estructura Profesional de FastAPI
- Week 13 — Build: Proyecto Phase 2 production-ready
- Refinar Sistema Basado en Métricas
- Optimizar Performance (Latency, Cost)
- Mejorar Evaluation y Coverage
- Documentación Técnica Completa
- Preparar Presentación del Proyecto
- Demos y Presentaciones Finales
- Peer Review y Feedback
- Retrospectiva y Cierre de Phase 2
- Week 14 — Polish: Optimización data-driven + Presentación
- Objetivos de la Semana
- Por qué Docker para AI Systems
- Docker Fundamentals
- Crear Dockerfiles para AI Apps
- Docker Images y Containers
- Docker Compose para Multi-Container
- Environment Configuration
- Entrega: App Fase 2 Dockerizada
- Week 15 — Dockerizar el rag-api de Café Aurora
- Objetivos de la Semana
- Introducción a LocalStack
- Lambda-style Execution
- API Gateway-style Routing
- S3-style Object Storage
- Service Orchestration
- Deploy AI App en LocalStack
- LocalStack vs. AWS Real: Diferencias
- Entrega: App Deployed en LocalStack
- Week 16 — LocalStack: patterns serverless en local
- Objetivos de la Semana 17: Production Deployment
- De Local a Cloud: El Gran Salto
- Migrar Vector DB: ChromaDB → Pinecone
- Migrar LLM: Local → OpenRouter
- Deploy Backend: Render.com
- Monitoring Básico en Producción
- Testing y Troubleshooting en Cloud
- Entrega de la Semana: App Deployada Completa
- Week 17 — Production Deployment: Render + Pinecone + OpenRouter
- Objetivos de la Semana
- Monitoring en Render Cloud
- Dashboards y Metricas Basicas
- Por Qué AI Systems son Costosos
- Understanding LLM Usage y Cost Drivers
- Reducir Llamadas Innecesarias a LLMs
- Caching Strategies (Redis-style)
- Request Optimization
- Cost-Aware Design
- Entrega: Sistema Optimizado
- Week 18 — Monitoring & Cost Optimization
- Objetivos de la Semana
- Security Threats en AI Systems
- Secret Management
- Environment Isolation
- Access Control Concepts
- Prompt Injection Protection
- Secure API Design
- Seguridad agéntica: OWASP Agentic y red-teaming
- Entrega: Sistema Secured
- Week 19 — Security & Hardening
- Objetivos de la Semana
- Por Qué Integrations Matter
- Working with Third-Party APIs
- Authentication y Tokens
- Webhooks y Event-Driven Flows
- Integración con Slack/Notion/Discord
- Designing Useful Integrations
- MCP y A2A: integraciones estándar para agentes
- Entrega de la Semana
- Week 20 — Slack bot: agente AI en un workspace real
- Objetivos de la Semana
- Architectural Thinking para AI Systems
- Modular System Design
- Scaling Strategies
- Reliability & Fault Tolerance
- Trade-offs en AI Architecture
- Case Studies de Sistemas Reales
- Entrega de la Semana
- Week 21 — System Design & Scaling
- Objetivos del Proyecto Final
- Integrar Todos los Componentes
- Production-Ready Checklist
- Desarrollo e Integración
- Testing y Refinamiento
- Documentación Completa
- Presentaciones Finales
- Cierre del Bootcamp
- Week 22 — Capstone: AI Engineer production-ready
Dónde encaja
Esta guía es parte de algo más grande
Esta guía es el material de estas generaciones: se abre al inscribirte, con acompañamiento y fechas.
Dudas frecuentes
Lo que suele preguntarse
Mientras tu inscripción al bootcamp esté activa. Esta guía es el material de la generación: se abre al inscribirte y no se vende por separado.
No. Los módulos están ordenados de menos a más, pero puedes saltar al que necesites. Tu progreso se guarda por lección.
Lo que haga falta está en «Qué necesitas traer», arriba. Si no aparece nada ahí, puedes empezar desde cero.
En el canal de tu generación, con tu instructor y el resto del grupo. Las sesiones en vivo del bootcamp son el otro lugar para preguntar.
Es el material del bootcamp, no un sustituto. El bootcamp le pone fechas, generación, entregas revisadas y acompañamiento; esta guía es lo que estudias dentro.
Entra con tu generación
Reseñas
Lo que dicen los estudiantes
Basado en 1 reseña verificada
Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.
5.0
1 reseña
5
1
4
0
3
0
2
0
1
0
JC
Julia Catalina GastelluEstudiante verificado•23 jun 2026