AI Engineering Pro
Curso avanzado y privado de ingeniería de IA: arquitectura generativa, RAG, agentes, deep learning, AWS/cloud, Python para IA, MLOps/LLMOps, monitoreo en producción y producto de IA.
Lecciones (25)
Arquitectura de IA Generativa
Stack completo de IA generativa: modelos foundation, orchestration, retrieval y serving.
Transformers y LLMs: Fundamentos
Arquitectura Transformer, tokenización, attention, familias de modelos.
Deep Learning con PyTorch
Tensores, autograd, training loop, LoRA fine-tuning y export.
TensorFlow, Keras y Serving
Keras 3 multi-backend, TF Serving, TF Lite y comparativa con PyTorch.
Fundamentos de RAG
Arquitectura RAG, chunking, embeddings, vector storage y query pipeline.
Vector Databases en Profundidad
Pinecone, Weaviate, Qdrant, pgvector: comparativa y casos de uso.
Embeddings e Indexación Avanzada
Modelos de embedding, semantic chunking, parent-child, reranking e hybrid search.
RAG Avanzado
Query transformation, HyDE, Contextual RAG, Self-RAG, CRAG y evaluación con RAGAS.
Agentes de IA: Arquitectura
Patrones ReAct, Plan-Execute, LATS, function calling y guardrails.
LangChain y Frameworks de Orquestación
LCEL, LangGraph, streaming, tools y LangSmith observabilidad.
CrewAI y Sistemas Multi-Agente
Multi-agent systems, CrewAI, patrones de comunicación y análisis de costos.
Evaluación de Agentes
Métricas de output, proceso y operacionales, robustness testing y A/B testing.
AWS: IAM, Networking y Seguridad
IAM policies, VPC, security groups, WAF y CloudTrail.
Amazon Bedrock y Servicios de IA
Bedrock API, Knowledge Bases, OpenSearch Serverless y SageMaker.
Cómputo, Almacenamiento y GPU
GPU instances, S3 patterns, Lambda vs ECS vs EKS.
Monitoreo, Costos y FinOps
CloudWatch, cost optimization, model routing, caching y FinOps.
Python: APIs e Integraciones
FastAPI para IA, multi-provider LLM client, async y structured output.
Eventos, Colas y Asincronía
SQS, SNS, Celery, Step Functions y WebSockets para streaming.
Testing y Code Review para IA
Testing pyramid para IA, mocking LLMs, evaluation tests y checklist de code review.
MLOps: CI/CD para Modelos de IA
Pipelines CI/CD, quality gates, versionado de prompts y rollback.
Docker y Kubernetes para IA
Dockerfile multi-stage, docker-compose, K8s deployments, HPA y GPU.
Experiment Tracking y Model Registry
MLflow, W&B, prompt registry y comparación sistemática de configuraciones.
Monitoreo en Producción
CloudWatch, Langfuse, evaluación continua, cost tracking y drift detection.
Producto de IA: KPIs e Impacto
Métricas de producto IA, North Star metric, ROI, A/B testing y adoption.
Comunicación con Stakeholders
Presentar resultados de IA a audiencias no técnicas, storytelling con datos.
✦ Curso gratuito
Crea una cuenta gratis para acceder a todas las lecciones de este curso.