El trabajo diario de un AI engineer de aplicaciones: servir modelos como APIs fiables, buscar en tus documentos con RAG, construir agentes con herramientas y llevarlo todo a producción con evals, guardrails, coste y observabilidad. Se puede empezar justo después del curso 1: lo que haga falta de los modelos por dentro se explica «lo justo para empezar».
Convertir un modelo en un servicio fiable. HTTP y REST, APIs con FastAPI y Pydantic, streaming de LLMs, límites de uso y claves, y despliegue con Docker, configuración por entorno y health checks.
El trabajo diario de un AI engineer. Prompts versionados, salidas estructuradas, herramientas, evals, guardrails, coste, observabilidad, RAG y agentes en producción, y un asistente de soporte de punta a punta.
12 lecciones · ≈ 40 h de estudio
Prompt engineering serio — plantillas, few-shot y versiones
Salidas estructuradas — JSON en el que puedes confiar
Function calling a fondo — herramientas que aguantan producción
Evals de aplicaciones LLM — saber si tu cambio mejora algo
Guardrails y seguridad — defensa por capas
Coste y latencia — la factura y el reloj
Observabilidad LLMOps — ver lo que pasa dentro
RAG en producción — frescura, permisos y citas que se sostienen
Agentes en producción — presupuestos, humanos y reanudación
¿Prompting, RAG o fine-tuning? Decidir con criterio
Multimodal y voz en aplicaciones
Proyecto integrador — un asistente de soporte de punta a punta
API REST para un modelo≈ 30 h Un servicio FastAPI de verdad alrededor de un modelo: validación con Pydantic v2, claves de API, errores uniformes, paginación por cursor, límite de peticiones, OpenAPI, tests con TestClient, health checks y Dockerfile.
Sistema RAG≈ 45 h Un sistema de recuperación aumentada con indexación, búsqueda híbrida, citas y evaluación.
Agente de IA≈ 45 h Un agente que planifica, usa herramientas y se recupera de errores, con evaluación de su fiabilidad.
Las explicaciones completas, los ejercicios con corrección automática, los exámenes y los proyectos están dentro de la academia. Horas estimadas para alguien que empieza de cero: lecciones con práctica y repaso, retos, exámenes y los proyectos recomendados. Es la misma estimación que verás dentro de la academia.
Por el camino ganas yang, la moneda de la academia: 10 por cada lección, 50 por cada examen de unidad aprobado y 150 por cada proyecto verificado; además, 15 por el reto de hoy y 100 por el de la semana. Se gastan en la tienda en mascotas y colores; con dinero no se pueden comprar.
Matemáticas necesarias para IA (y las que no) Qué matemáticas necesitas de verdad para aprender IA según tu objetivo: vectores, derivadas, probabilidad… y qué puedes dejar para más tarde.