Un programa de 31 módulos que cubre matemáticas, machine learning, LLMs, RAG, agentes, backend, cloud, seguridad y negocio. Cada módulo con teoría explicada desde cero, código comentado línea por línea, ejercicios resueltos, laboratorios y un proyecto.
El programa sigue el orden en el que un equipo profesional construye sistemas de IA: primero los fundamentos, después los modelos, y por último el producto en producción y el negocio.
Álgebra lineal, estadística, machine learning clásico y deep learning con PyTorch antes de tocar un LLM. Entender qué ocurre por debajo es lo que diferencia a un ingeniero de un usuario de APIs.
Python y FastAPI, TypeScript y Next.js, PostgreSQL con pgvector, Redis, Docker, LangGraph y MCP. El mismo stack que se usa en equipos reales, con cada decisión de diseño justificada.
Cada módulo cierra con ejercicios con solución, laboratorios guiados paso a paso y un proyecto de portafolio. El progreso se marca sección a sección y queda guardado en tu cuenta.
El Bloque A es de acceso libre. Los bloques B a F forman parte del acceso completo.
La base matemática y algorítmica: cómo aprende una máquina, regresión y clasificación, redes neuronales, backpropagation, CNNs, RNNs y la arquitectura Transformer implementada en PyTorch.
Grandes modelos de lenguaje por dentro: tokenización, atención, muestreo y fine-tuning; prompt engineering con criterio; RAG con pgvector, búsqueda híbrida y reranking; agentes con LangGraph; y el Model Context Protocol.
Convertir un modelo en un producto: automatización con n8n y WhatsApp, APIs con FastAPI, infraestructura en AWS, frontend con Next.js y Vercel AI SDK, PostgreSQL y Redis a escala, CI/CD y LLMOps.
Sistemas multimodales (visión, OCR, voz en tiempo real), modelos open-weight con Ollama y vLLM, fine-tuning con LoRA y QLoRA, memoria persistente para agentes, evaluación con LLM-as-judge y seguridad ante prompt injection.
Vender y operar IA: prospección y venta B2B, pricing por valor, propuestas y contratos, métricas (ROI, MRR, LTV, CAC), y el proyecto capstone: una plataforma SaaS de IA completa con multi-tenancy y Stripe.
Material de referencia y carrera: catálogo de proyectos, casos de estudio de arquitecturas reales, exámenes de certificación, 100 preguntas de entrevista con respuesta, glosario técnico y plan de carrera con negociación salarial.
Sistemas completos y desplegables, no ejemplos de juguete. Cada uno con su especificación, arquitectura y guía de implementación.
Ingesta de documentos, pgvector, búsqueda híbrida, reranking y respuestas con citas verificables.
Atención automatizada con n8n, webhooks, colas y escalado a agente humano.
Conversación de voz en tiempo real con STT, TTS y gestión de turnos.
Orquestación con LangGraph: herramientas, supervisión y human-in-the-loop.
Herramientas para agentes con el Model Context Protocol, listas para Claude y otros clientes.
Suites de evaluación con LLM-as-judge y eval gates integrados en CI.
Defensas ante prompt injection y OWASP LLM Top 10, con red teaming documentado.
El capstone: multi-tenancy con RLS, suscripciones con Stripe, onboarding y operación.
Las herramientas con las que trabajarás en cada bloque.
El contenido está redactado sobre patrones de arquitectura y familias de modelos, no sobre versiones concretas que caducan a los pocos meses.