Ecosistema AI Engineering

Guía de Fundamentos de IA

Construye una base conceptual sólida sobre Inteligencia Artificial moderna. Esta guía te lleva desde las definiciones fundamentales (AI, ML, Deep Learning) hasta comprender cómo funcionan Transformers, LLMs como GPT-4 y Claude, y el ecosistema completo de AI APIs. Con rigor técnico suficiente para tomar decisiones arquitecturales. Diseñada para developers que quieren convertirse en AI Engineers: integrar modelos, no entrenarlos. 8 módulos, 56 cápsulas, y un proyecto final de diseño de sistema AI. La primera guía del AI Engineering Path y tu punto de entrada al mundo de la ingeniería de AI.

56 lecciones

Guía de Estrategias de Acceso a LLMs

Aprende a elegir la estrategia óptima de acceso a LLMs para cualquier proyecto usando un framework de decisión estructurado. Domina OpenAI API para producción cloud, ejecuta modelos locales con LM Studio y Ollama sin costo, accede a 100+ modelos con OpenRouter, y deploya LLMs serverless con Modal. 8 módulos progresivos que te llevan de "¿cuál API uso?" a un unified client multi-provider que abstrae proveedores con fallback automático. La guía fundacional del AI Engineering Path que elimina la parálisis de decisión.

64 lecciones

Python + REST APIs para IA

Domina Python para consumir y exponer APIs de inteligencia artificial de forma profesional. Esta guía práctica de 10 módulos te lleva desde los fundamentos de Python enfocados en APIs (OOP, async/await, JSON) hasta construir una API Gateway con Flask que integra múltiples providers de AI (OpenAI, Anthropic, Hugging Face) con streaming SSE, rate limiting, error handling robusto, cost tracking y caching. No es un curso genérico de REST APIs ni un tutorial superficial de OpenAI: es la guía de production-ready skills que un AI Engineer necesita para trabajar con APIs de LLMs en el mundo real. 9 mini-proyectos independientes + 1 proyecto integrador deployable para tu portfolio.

80 lecciones

Guía de Git y GitHub

Domina el control de versiones con Git y el desarrollo colaborativo con GitHub, desde tu primer commit hasta pipelines de CI/CD en producción. Esta guía te lleva paso a paso por todo lo que necesitas para trabajar profesionalmente con Git: flujo local, branches, resolución de conflictos, Pull Requests, workflows de equipo, automatización con hooks y GitHub Actions, y recuperación de errores. Diseñada para developers de cualquier lenguaje que quieren dejar de tenerle miedo a Git y empezar a usarlo con confianza en equipos reales.

104 lecciones

Guía de Semántica en IA

Entiende cómo funcionan los vectores, los espacios vectoriales, las métricas de similaridad y la búsqueda semántica a nivel conceptual — el conocimiento fundacional que hace posible embeddings, vector databases y RAG. Esta guía conceptual te da la base teórica que el 90% de cursos técnicos asume que ya tienes. 8 módulos en 3 fases que te llevan de "¿qué es un vector?" a diseñar arquitecturas de semantic search y entender por qué RAG funciona. Sin álgebra lineal avanzada, sin código, con rigor técnico y accesibilidad.

56 lecciones

Guía a Fondo de Embeddings

Domina embeddings para AI en producción: implementa semantic search desde cero con numpy, compara modelos OpenAI vs open-source (SBERT, BGE), domina métricas de distancia (coseno, euclidiana, dot product), aplica chunking strategies inteligentes, optimiza con batch processing y caching, evalúa calidad con precision@k y MRR, y construye un semantic search engine production-ready completo. 8 módulos que te llevan de entender qué son embeddings a tener un sistema de búsqueda semántica evaluado, optimizado y listo para portfolio. La guía técnica que el 90% de cursos debería incluir pero no incluye.

64 lecciones

Guía de Fundamentos de Bases de Datos Vectoriales

Aprende cómo funcionan las vector databases por dentro, por qué las necesitas para sistemas RAG y cómo elegir la correcta para tu proyecto. Esta guía te lleva desde los fundamentos (arquitectura, algoritmos de indexing, features esenciales) hasta implementación hands-on con ChromaDB y un proyecto integrador de RAG con 1,000+ documentos y API FastAPI. Al terminar, sabrás implementar storage y retrieval de vectores para producción — y tendrás criterio para decidir entre ChromaDB, Pinecone, Weaviate y Qdrant según tus requisitos reales.

67 lecciones

Guía de Técnicas Avanzadas de RAG

Domina las técnicas avanzadas de RAG que separan un prototipo de un sistema en producción. Esta guía te lleva de un RAG básico con 68% de precisión a un sistema production-ready con 98% de precisión, cubriendo chunking inteligente, optimización de queries, re-ranking, búsqueda híbrida, metadata filtering, deployment con Pinecone y evaluación automatizada con RAGAS. Diseñada para AI Engineers que ya implementaron RAG básico y necesitan llevar sus sistemas al nivel que exige la industria.

64 lecciones

LangChain y LangGraph: De Chains a Agentes

Aprende a construir agentes y workflows de AI listos para producción con LangChain y LangGraph. Esta guía te lleva desde conectar modelos y crear tools, hasta diseñar sistemas multi-agente con memoria persistente, supervisión humana y observabilidad completa. Ideal para developers que ya dominan Python y quieren construir aplicaciones de AI que van más allá de un simple chatbot — con control total sobre el flujo de ejecución, manejo de errores, y las mejores prácticas para llevar agentes a producción.

96 lecciones

Guía de Prompt Engineering Avanzado

Domina las técnicas de prompt engineering que separan a un usuario casual de LLMs de un AI Engineer en producción. Esta guía te lleva desde zero-shot y few-shot prompting con rigor de ingeniería, hasta Chain-of-Thought, ReAct y Self-Consistency para razonamiento complejo, pasando por structured outputs, prompt chaining, evaluación sistemática con métricas cuantitativas, y gestión de prompts en producción con versionado, caching y optimización de costos. Diseñada para developers que ya usan LLMs y quieren tratar sus prompts con la misma disciplina que tratan su código.

64 lecciones

Guía para Construir Agentes de IA

Domina el ciclo completo de construcción de agentes de AI — desde tool calling y function calling patterns hasta state machines con LangGraph, integración con MCP, orquestación multi-agente y deployment en producción. Esta guía te lleva desde entender la anatomía de un agente hasta construir un sistema multi-agente con planning, reflection, memoria persistente, herramientas externas via MCP, testing riguroso y observability completa. Para AI Engineers que ya dominan LangChain/LangGraph y quieren construir agentes que funcionen en el mundo real.

80 lecciones

Guía de Frameworks de Evaluación

Domina la evaluación de sistemas de AI — desde métricas para chat, RAG y agents hasta LLM-as-judge, RAGAS, TruLens y pipelines de evaluación en producción. Esta guía te enseña a construir golden datasets, implementar evaluación específica por dominio para chatbots, pipelines RAG y agentes de AI, automatizar la evaluación con LLM judges calibrados, y deployar monitoring continuo con integración CI/CD y detección de regresiones. Para AI Engineers que ya construyen sistemas y necesitan saber si realmente funcionan bien.

64 lecciones

Guía de Mejores Prácticas en Producción

Domina las prácticas de ingeniería que separan un prototipo AI de un sistema en producción. Esta guía te lleva de una app LLM sin tests ni guardrails a un sistema production-ready con test coverage completo, validación de inputs/outputs, logging estructurado con cost tracking, arquitectura limpia y capa de reliability. Diseñada para AI Engineers que ya construyen aplicaciones LLM funcionales y necesitan profesionalizarlas antes del deployment. 8 módulos progresivos, 8 proyectos prácticos y un sistema integrador portfolio-worthy.

64 lecciones

Guía de IA Multimodal

Domina la IA multimodal: visión, audio, documentos y generación de imágenes. Desde GPT-4 Vision y Claude 3 hasta Whisper, DALL-E, RAG multimodal y análisis de documentos. Construye un analizador documental multimodal completo.

64 lecciones

Guía de Fundamentos de Docker

Domina Docker aplicado a aplicaciones AI: construye imágenes optimizadas, containeriza apps FastAPI + LLM, orquesta stacks multi-servicio con Docker Compose (API + ChromaDB + Redis), y aplica best practices de producción incluyendo multi-stage builds, secrets management y health checks. 8 módulos progresivos que te llevan de tu primer container a un stack AI production-ready con un solo comando. La puerta de entrada a producción en el AI Engineering Path.

64 lecciones

Guía de CI/CD para Sistemas de IA

Automatiza el ciclo de entrega de sistemas AI con GitHub Actions: ejecuta tests, checks de regresión de prompts y estimación de costos en CI; construye y publica imágenes Docker; deploya a staging y producción con approval gates y estrategias de rollback. 8 módulos progresivos que te llevan de tu primer workflow a un pipeline production-grade que lleva código desde commit hasta producción automáticamente.

64 lecciones

Guía de Despliegue e Infraestructura Cloud

Domina las estrategias de deployment para sistemas AI: cuándo usar Local, Serverless, Managed o Self-hosted; aprende AWS (S3, Lambda, SageMaker básico) con LocalStack sin coste; evalúa alternativas modernas (Render, Railway, Fly.io); y construye una decision matrix completa para elegir la estrategia correcta. De containers Docker a sistemas AI desplegados en producción.

64 lecciones

Guía de Monitoreo y Observabilidad

Domina la observabilidad de sistemas AI en producción con OpenTelemetry, el estándar de la industria en 2026. Aprende a instrumentar aplicaciones LLM con traces de prompts, embeddings y tool calls, crear dashboards para latency y cost, diseñar estrategias de alerting, implementar monitoring AI-específico (calidad de prompts, uso de tokens, model drift) y debuggear issues de producción como hallucinations y cost spikes. Integración con LangSmith y backends de monitoring.

64 lecciones

Guía de Optimización de Costos y Caché

Domina la reducción de costos en sistemas AI: entiende los drivers de costo (tokens, llamadas API, embeddings), implementa Redis caching y semantic caching (queries similares = respuestas cacheadas usando embeddings), aplica optimización de prompts y estrategias de selección de modelos, y construye un sistema que logra 50-80% de reducción de costos con números reales. La única guía en español que cubre semantic caching con hands-on.

64 lecciones

Guía a Fondo de Seguridad

Asegura tus sistemas AI en producción con el framework estándar de industria OWASP LLM Top 10. Domina la defensa contra prompt injection (directa e indirecta), secrets management enterprise-grade más allá de .env (HashiCorp Vault, cloud KMS, rotación), sanitización de inputs/outputs, protección de PII, y security testing específico para AI. Diseñada para AI Engineers con sistemas desplegados que necesitan endurecerlos contra amenazas nativas de AI. 8 módulos, casos reales de brechas, y un sistema AI completamente asegurado como proyecto final.

64 lecciones

Guía de Diseño de Sistemas y Escalado

Domina el pensamiento arquitectónico para sistemas AI: estrategias de escalabilidad, patrones de reliability, patrones de integración (webhooks, event-driven, MCP), canales del mundo real (Slack/Discord) y trade-offs entre performance y coste. Esta guía de síntesis conecta todo lo que has aprendido—Docker, CI/CD, deployment, monitoring, cost optimization, security—y te enseña a DISEÑAR sistemas production-ready. Culmina con el diseño completo de arquitectura del Capstone: AI-Powered Knowledge Assistant con Agentic RAG e integración Slack/Discord.

64 lecciones