Curso · 12 capítulos
Fundamentos de ingeniería de IA
Lleva funcionalidades de AI a producción: prompting, RAG, salidas estructuradas, fine-tuning y optimización de inferencia. Práctico, gratuito, 12 capítulos (~4.3h) para ingenieros.
Lo que sabrás hacer
- Escribe prompts estructurados y testeables
- Construye un pipeline RAG de extremo a extremo
- Genera salidas estructuradas con tipos seguros
- Aplica fine-tuning a modelos con LoRA
- Reduce la latencia y el coste de AI
- Construye pipelines de AI multimodal
Qué incluye
- 1Fundamentos de Ingeniería de IA: Introducción
El mapa del skill path Fundamentos de Ingeniería de IA: qué enseñan los capítulos, cómo encajan entre sí y por dónde empezar.
- 2Prompt Engineering Craft
Write prompts that work like programs — structured, testable, and consistently effective.
- 3Context Engineering
Master the art and science of curating optimal context for AI agents.
- 4Structured Outputs & Schema Engineering
Build type-safe AI pipelines that return exactly the data shape you need, every time.
- 5Fundamentos de RAG: del chat a la recuperación
Construye el pipeline de RAG mínimo viable —fragmentar, incrustar, almacenar, recuperar, aumentar, generar— en código sencillo.
- 6RAG Engineering
Take the retrieval backbone to production — embeddings deep-dive, chunking strategies, document processing, advanced patterns, and evaluation. Assumes RAG Foundations.
- 7Fine-Tuning for AI Engineers
When, why, and how to fine-tune LLMs -- from dataset preparation to production deployment.
- 8Multimodal AI Engineering
Build production systems with vision APIs, document extraction, and multimedia AI.
- 9Dataset Engineering
Build the datasets that make AI systems actually work — from synthetic generation to eval suites.
- 10Prompt Caching & Inference Optimization
Engineer faster, cheaper, and more efficient LLM inference — from KV-cache mechanics to production serving strategies.
- 11Context Engineering for Knowledge Systems
Architect knowledge bases that AI agents can navigate, retrieve from, and act upon.
- 12Post-Training: DPO, GRPO & RL for LLMs
Pick the right post-training algorithm -- preference optimization, reasoning RL, and agent RL -- without drowning in research papers.
Preguntas frecuentes
- ¿Qué aprenderé en AI Engineering Foundations?
- Aprenderás a construir sistemas de AI para producción: ingeniería de prompts y contexto, salidas estructuradas, pipelines RAG desde el chunking hasta la recuperación, fine-tuning con SFT y LoRA, procesamiento multimodal, ingeniería de datasets, optimización de inferencia y métodos de post-entrenamiento como DPO y GRPO. Cada capítulo es práctico y está basado en código real.
- ¿A quién va dirigido este curso?
- Está diseñado para ingenieros de software y desarrolladores que quieren llevar funcionalidades de AI reales a producción, no solo experimentar con chatbots. Se asume que sabes leer y escribir código y que quieres entender las técnicas detrás de RAG, fine-tuning y generación estructurada.
- ¿Necesito experiencia previa en AI o machine learning?
- Necesitas experiencia general en programación, pero no es necesario tener conocimientos previos de machine learning. El itinerario está orientado al nivel práctico y explica cada técnica, como embeddings, recuperación y LoRA, a medida que la vas aplicando.
- ¿Cuánto dura el curso y cómo está estructurado?
- El itinerario tiene 12 capítulos con una duración total de aproximadamente 4.3 horas (257 minutos). Comienza con un capítulo introductorio que mapea todos los temas para que sepas por dónde empezar y cómo se conectan los capítulos, y luego avanza por prompting, RAG, fine-tuning, multimodal y optimización de inferencia.
- ¿AI Engineering Foundations es gratuito?
- Sí, este itinerario es gratuito. Tienes acceso a los 12 capítulos sobre prompting, RAG, fine-tuning, AI multimodal y optimización de inferencia sin ningún coste.
Consigue un certificado
Completa todos los capítulos para recibir tu certificado de finalización.