Cursos en esta ruta
Guía de Fundamentos de Python
Esta guía te enseña Python desde cero con enfoque en lo que necesita un backend developer: tipos de datos, control de flujo, funciones, módulos, manejo de errores, trabajo con archivos y JSON, y virtual environments. Es la base para el path Backend Python Developer.
21 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
Guía de Git y GitHub
``` EN: "Master version control with Git and collaborative development with GitHub, from your first commit to production CI/CD pipelines." ES: "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 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
``` EN: Learn how vector databases store and retrieve embeddings for RAG systems — from architecture and indexing algorithms to hands-on ChromaDB implementation and production decision-making. ES: 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
LangChain y LangGraph: De Chains a Agentes
``` EN: Build production-ready AI agents and workflows with LangChain and LangGraph — from model integration and tool calling to multi-agent systems, memory, human-in-the-loop, and observability with LangSmith. ES: 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 Frameworks de Evaluación
``` EN: Master the evaluation of AI systems — from metrics for chat, RAG, and agents to LLM-as-judge, RAGAS, TruLens, and production evaluation pipelines. Learn to build golden datasets, implement domain-specific evaluation for chatbots, RAG pipelines, and AI agents, automate evaluation with calibrated LLM judges, and deploy continuous monitoring with CI/CD integration and regression detection. ES: 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 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 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 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