Desarrollo de soluciones con IA generativa y RAG

• Cómo funcionan los LLMs por dentro: tokenización, ventanas de contexto y límites de los modelos - El ecosistema actual de proveedores (OpenAI, Anthropic, DeepSeek, modelos open-source) y frameworks (LangChain, LlamaIndex, Semantic Kernel)
• Consumir APIs de LLMs y entender la compatibilidad entre proveedores
• Diseñar sistemas de prompts estructurados que produzcan salidas consistentes y validables (JSON, formatos específicos)
• Técnicas de Prompt Engineering avanzado: zero/few-shot, chain-of-thought, self-consistency
• El patrón RAG (Retrieval-Augmented Generation): qué es, cuándo usarlo y cuándo no
• Gestionar memoria y contexto en aplicaciones conversacionales multi-turno
• Orquestación secuencial: encadenar llamadas LLM donde la salida de una alimenta la siguiente
• Implementar streaming de respuestas para una experiencia de usuario en tiempo real
• Construir pipelines de generación de contenido end-to-end con validación de output
• Controlar el uso y los costos mediante rate limiting y gestión de tokens
• Desplegar aplicaciones con LLM en producción: containerización, CI/CD y cloud

En este curso vamos a aprender a construir aplicaciones reales sobre modelos de lenguaje (LLMs). El foco está en los patrones de arquitectura que hay detrás de cualquier aplicación de IA Generativa: cómo se comunican las aplicaciones con los modelos, cómo se diseñan sistemas de prompts, cómo se gestiona el contexto y la memoria en conversaciones, y cómo se orquestan múltiples llamadas para resolver tareas complejas.

A lo largo de 5 sesiones, el estudiante pasará de entender los fundamentos del ecosistema LLM a construir y desplegar una aplicación funcional que integre un modelo de lenguaje como motor de generación de contenido. El enfoque es práctico y orientado a producción: abordamos las decisiones reales que hay que tomar cuando se construye software con IA Generativa, desde la elección del proveedor y el diseño de prompts hasta el despliegue, el control de costos y la seguridad.

La IA Generativa ha dejado de ser una novedad para convertirse en una capa fundamental del software moderno. Saber usar ChatGPT no es suficiente, las empresas necesitan desarrolladores que sepan integrar modelos de lenguaje dentro de aplicaciones reales, con arquitecturas robustas y preparadas para producción. Sin embargo, la mayoría de tutoriales se quedan en demos de notebook que no reflejan los desafíos reales: gestión de tokens, control de costos, manejo de errores en respuestas del modelo, o cómo estructurar prompts que funcionen de forma consistente.

Este curso llena ese hueco. Enseña los patrones de arquitectura que se usan hoy en aplicaciones reales con LLMs, con un enfoque agnóstico de proveedor que permite al estudiante adaptarse a un ecosistema que cambia rápidamente. Al terminar, el estudiante no solo entenderá cómo funcionan estas tecnologías, sino que habrá construido y desplegado una aplicación completa que las utiliza.