Formaciones de 40 horas
Diez recortes curados del mismo plan de estudios. La carga de cada formación se suma módulo a módulo a partir del registro, y ningún módulo fue creado para ellas: todos ya existen en el plan de estudios y son los mismos objetos que usan las rutas.
Una formación es un recorte de 40 horas. Para el programa completo de un área, con los cuatro niveles y el proyecto integrador: Rutas
Fundamentos de IA
40 horasPrincipiante10 módulos
8 de 10 módulos con programa publicado
0 de 10 módulos grabados
Recorre íntegramente el tronco común de nivel 100: qué son la IA, el ML y el DL; Python para IA; matemática esencial I; recolección y limpieza de datos; estadística y probabilidad básica; el primer modelo en scikit-learn; ética, sesgos y seguridad; y Git/GitHub como portafolio. Cierra con los dos módulos de orientación que abren las demás áreas — la intuición visual de las redes neuronales y la visión de sistema de cómo la IA se convierte en producto.
Datos para IA
40 horasPrincipiante9 módulos
6 de 9 módulos con programa publicado
0 de 9 módulos grabados
Trata el dato como el objeto de trabajo antes del modelo: Python, matemática esencial, recolección y limpieza con Pandas, estadística y el primer modelo supervisado, y luego los dos módulos que introducen imagen y texto como datos (píxeles, canales y OpenCV; tokens, limpieza y regex). Cierra con evaluación y experimentación — overfitting, validación cruzada, tracking — y con pipelines de datos, que es donde empieza el área de MLOps. Comparte cinco módulos con Fundamentos de IA; son el mismo objeto, no una copia.
Ingeniería de Prompts y APIs de IA
40 horasIntermedio8 módulos
5 de 8 módulos con programa publicado
0 de 8 módulos grabados
Se centra en construir sobre modelos de terceros en lugar de entrenar los propios: APIs de OpenAI/Anthropic/OSS, function calling y costos; publicar el resultado como servicio con FastAPI y Docker; y evaluar lo construido con benchmarks, evals de LLM, pruebas A/B y red teaming. La base entra por Python, texto como datos y ética/sesgos; la orientación a agentes entra por los dos módulos introductorios de Agentic AI, que definen la frontera entre chatbot y agente.
Redes Neuronales y Deep Learning
40 horasIntermedio7 módulos
4 de 7 módulos con programa publicado
0 de 7 módulos grabados
Va de la intuición visual a la implementación: gradientes y álgebra lineal aplicada, una red neuronal escrita desde cero sin framework, la misma red reescrita en PyTorch con autograd y GPU, y la disciplina de evaluación y experimentación. Los dos módulos de área agregan CNNs — compartido con Visión por Computadora — y regularización/normalización.
Agentic AI: Construcción de Agentes
40 horasIntermedio7 módulos
1 de 7 módulos con programa publicado
0 de 7 módulos grabados
Recorre la definición operativa de agente — un LLM más herramientas más un loop —, la distinción práctica entre chatbot y agente, y luego los tres módulos que constituyen la ingeniería del tema: function calling y uso de herramientas, memoria y estado, y los frameworks de orquestación. El módulo de APIs de IA e ingeniería de prompts entra como base compartida, y el de seguridad de agentes (prompt injection, sandboxing) lo cierra, porque un agente con herramientas es superficie de ataque.
RAG y Búsqueda Semántica
40 horasIntermedio7 módulos
3 de 7 módulos con programa publicado
0 de 7 módulos grabados
Cubre el camino completo del texto hasta la respuesta fundamentada: texto como datos, embeddings y búsqueda semántica, RAG de punta a punta — módulo compartido con Agentic AI — y clasificación/NER. La capa de aplicación entra por APIs de IA e ingeniería de prompts, y la del rigor por evaluación de sistemas de IA, sin la cual un RAG no es verificable. La recolección y limpieza de datos entra porque el corpus es la mitad del problema.
Visión por Computadora Aplicada
40 horasIntermedio7 módulos
2 de 7 módulos con programa publicado
0 de 7 módulos grabados
Parte de las imágenes como datos — píxeles, canales, OpenCV — y sube por CNNs (módulo compartido con Deep Learning), clasificación con augmentation y detección de objetos con YOLO, terminando en segmentación. PyTorch y limpieza de datos entran como base compartida con el tronco común.
Sistemas Multiagente y MCP
40 horasAvanzado5 módulos
1 de 5 módulos con programa publicado
0 de 5 módulos grabados
Reúne los cuatro módulos de nivel 300 del área de Agentic AI — multiagentes y orquestación, planificación/reflexión/autocorrección, MCP e integración con sistemas reales, y seguridad de agentes — con el módulo de evaluación de sistemas de IA. Presupone la formación de construcción de agentes o equivalente.
LLMs: Fine-tuning y Alineación
40 horasAvanzado5 módulos
3 de 5 módulos con programa publicado
0 de 5 módulos grabados
Concentra el núcleo avanzado del tronco común — la arquitectura Transformer con atención implementada desde cero, fine-tuning y transfer learning con LoRA/QLoRA, y optimización del entrenamiento con mixed precision y schedulers — y agrega los dos módulos de nivel 300 del área de NLP: fine-tuning de LLMs en la práctica y alineación (RLHF/DPO).
MLOps e IA en Producción
40 horasAvanzado5 módulos
1 de 5 módulos con programa publicado
0 de 5 módulos grabados
Trata lo que ocurre después de que el modelo funciona: cloud para IA con GPU, almacenamiento y costo; observabilidad y monitoreo; serving a escala con batching, caching y autoscaling; optimización del entrenamiento; y arquitectura de plataformas de IA.
Por qué las formaciones se superponen
Las 10 formaciones declaran 400 horas en total, apoyadas en 46 módulos distintos que suman 278 horas — un factor de reutilización de 1.44×. La superposición es intencional, y es lo que se puede comprobar: el mismo código de módulo, abierto desde formaciones diferentes, lleva al mismo objeto.
No todo cabe en 40 horas. El estado del arte, el entrenamiento distribuido, la interpretabilidad, el edge y los cinco proyectos integradores existen solo dentro de las rutas completas: Rutas