Todas las lecciones¶
Las 233 lecciones del curso, etapa por etapa. 1 tiene material: es la que lleva enlace. Las demás ya forman parte del programa y se están escribiendo.
Tipo de lección: Conceptual (se comprueba con preguntas), Práctica (con un ejercicio) o Mixta (las dos cosas). Ruta: las lecciones esenciales son el núcleo de cada módulo; las marcadas para profundizar amplían el tema y se pueden hacer después.
Etapa 1 · Fundamentos y uso profesional¶
Módulo 0 · Orientación y entorno de trabajo¶
6 h · 4 lecciones · Prerrequisitos: ninguno.
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L0.1.1 | Cómo funciona este curso Etapas, módulos y lecciones; prerrequisitos; Nivel 1 y Nivel 2; estados de una lección y cómo llevar tu avance. |
Conceptual | Esencial | 📝 Borrador |
| L0.1.2 | Aprender en un campo que cambia cada mes Cómo aprender en un campo que cambia cada mes: fuentes oficiales, changelogs y cómo verificar lo que dice un modelo (incluido un tutor de IA). |
Conceptual | Esencial | Próximamente |
| L0.2.1 | Repositorio y entorno de trabajo Repositorio Git del curso (registros, apuntes y proyectos), estructura de carpetas, entornos de Python y Java, Docker. |
Práctica | Esencial | Próximamente |
| L0.2.2 | Claves de API y primer modelo local Claves de API: creación, almacenamiento seguro ( .env, gestor de secretos, nunca en Git), límites de gasto y alertas. Instalación de Ollama y primer modelo local. |
Práctica | Esencial | Próximamente |
Módulo 1 · Fundamentos de IA generativa y LLM¶
24 h · 16 lecciones · Prerrequisitos: Módulo 0 (indispensable).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L1.1.1 | IA, ML, deep learning e IA generativa Definiciones precisas y qué problema resuelve cada uno. |
Conceptual | Esencial | Próximamente |
| L1.1.2 | Redes neuronales en 90 minutos Parámetros, entrenamiento y generalización (lo justo para entender LLM, sin matemática innecesaria). |
Conceptual | Profundizar | Próximamente |
| L1.1.3 | Qué es un modelo de lenguaje Predecir el próximo token. Por qué algo tan simple produce comportamientos complejos. |
Conceptual | Esencial | Próximamente |
| L1.2.1 | Tokens y tokenización BPE, por qué el español "cuesta" más tokens, cómo se tokenizan imágenes y otros formatos, impacto en costo y límites. |
Mixta | Esencial | Próximamente |
| L1.2.2 | Embeddings El contenido como vectores, similitud semántica (intro práctica; se profundiza en M8). |
Mixta | Esencial | Próximamente |
| L1.2.3 | Transformers y atención Intuición del mecanismo, por qué permite contexto largo y qué significa "ventana de contexto". |
Conceptual | Esencial | Próximamente |
| L1.3.1 | Preentrenamiento Datos, escala y fecha de corte de conocimiento. |
Conceptual | Profundizar | Próximamente |
| L1.3.2 | Post-entrenamiento Ajuste por instrucciones, RLHF y técnicas afines, system prompts. Por qué un modelo "asistente" se comporta distinto que un modelo base. |
Conceptual | Esencial | Próximamente |
| L1.3.3 | Modelos de razonamiento Modelos de razonamiento (thinking): qué cambia, cuándo convienen y su costo. |
Conceptual | Esencial | Próximamente |
| L1.4.1 | Generación token a token y muestreo Temperatura, top-p, top-k, stop sequences y máximo de tokens. Determinismo y por qué no está garantizado. |
Mixta | Esencial | Próximamente |
| L1.4.2 | Ventana de contexto en la práctica Entrada, salida, efecto "perdido en el medio" y degradación con contextos largos. |
Mixta | Esencial | Próximamente |
| L1.4.3 | Latencia, throughput y costos Latencia, throughput y costos: tokens de entrada, salida y razonamiento; streaming. |
Mixta | Esencial | Próximamente |
| L1.5.1 | Alucinaciones Por qué ocurren (no es un bug, es la naturaleza del modelo) y estrategias de mitigación. |
Mixta | Esencial | Próximamente |
| L1.5.2 | Multimodalidad Visión, audio, generación de imágenes. Qué es nativo y qué es un sistema combinado. |
Conceptual | Profundizar | Próximamente |
| L1.5.3 | Panorama de modelos Cerrados (Claude, GPT, Gemini) y abiertos (Llama, Qwen, Mistral, DeepSeek, Gemma); niveles de tamaño; cómo leer (y desconfiar de) los benchmarks. Versiones vigentes verificadas al preparar la lección. |
Conceptual | Esencial | Próximamente |
| L1.5.4 | Modelo, producto y harness Modelo vs. producto vs. harness: la diferencia entre un modelo, la app que lo envuelve y el agente que lo usa. Clave para todo el curso. |
Conceptual | Esencial | Próximamente |
Módulo 2 · Prompt Engineering¶
20 h · 15 lecciones · Prerrequisitos: Módulo 1 (indispensable).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L2.1.1 | Qué es un prompt para el modelo Todo es contexto (texto, archivos, imágenes). Roles y estructura de mensajes. |
Conceptual | Esencial | Próximamente |
| L2.1.2 | Claridad y especificidad Tarea, contexto, restricciones, formato y criterio de éxito. El "test del colega nuevo". |
Mixta | Esencial | Próximamente |
| L2.1.3 | System prompt y mensaje de usuario System prompt vs. mensaje de usuario: qué va en cada uno y por qué. |
Conceptual | Esencial | Próximamente |
| L2.2.1 | Ejemplos (few-shot) Ejemplos (few-shot): cuántos, cuáles, cómo evitar que el modelo copie de más. |
Mixta | Esencial | Próximamente |
| L2.2.2 | Estructura con delimitadores y XML Estructura con delimitadores y XML; documentos largos al principio y pregunta al final. |
Mixta | Esencial | Próximamente |
| L2.2.3 | Razonamiento paso a paso Razonamiento paso a paso y modelos con thinking: cuándo pedirlo, cuándo sobra. |
Mixta | Esencial | Próximamente |
| L2.2.4 | Prompt chaining Descomposición y encadenamiento de prompts (prompt chaining). |
Mixta | Esencial | Próximamente |
| L2.2.5 | Control del formato de salida JSON, Markdown y plantillas (preparación para salidas estructuradas en M6). |
Práctica | Esencial | Próximamente |
| L2.3.1 | Prompts para tareas de desarrollo Revisión de código, generación de tests, documentación, análisis de logs. |
Práctica | Esencial | Próximamente |
| L2.3.2 | Portabilidad de prompts entre modelos Diferencias entre modelos y portabilidad de prompts: qué es transferible y qué es específico. |
Mixta | Profundizar | Próximamente |
| L2.3.3 | Meta-prompting Usar un LLM para mejorar prompts, y sus límites. |
Mixta | Profundizar | Próximamente |
| L2.4.1 | Por qué probar una vez no alcanza Por qué "lo probé una vez y anduvo" no alcanza: variabilidad y casos de prueba. |
Conceptual | Esencial | Próximamente |
| L2.4.2 | Primer conjunto de evaluación Casos, salidas esperadas y criterios. Comparación A/B con promptfoo. |
Práctica | Esencial | Próximamente |
| L2.4.3 | Versionado de prompts como código | Práctica | Profundizar | Próximamente |
| L2.4.4 | Prompt injection: introducción Prompt injection (introducción): qué es, por qué no se resuelve solo con instrucciones y la regla de oro (todo contenido externo es dato no confiable). |
Mixta | Esencial | Próximamente |
Módulo 3 · Asistentes de IA en la práctica¶
36 h · Nivel 1 · 25 lecciones · Prerrequisitos: Módulo 2 (indispensable).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L3.1.1 | Anatomía de un asistente moderno Modelo + system prompt + herramientas + memoria + interfaz. Qué es igual en todas y qué cambia. |
Conceptual | Esencial | Próximamente |
| L3.1.2 | Proyectos, conocimiento e instrucciones Proyectos, conocimiento adjunto e instrucciones personalizadas: qué entra realmente al contexto y cuándo. |
Mixta | Esencial | Próximamente |
| L3.1.3 | Memoria entre conversaciones Cómo funciona, cómo inspeccionarla, editarla y desactivarla. |
Mixta | Esencial | Próximamente |
| L3.2.1 | Claude: conversación, proyectos y research Claude: conversación, proyectos, artifacts, búsqueda y research. Cómo decide cuánto trabajo hacer. |
Práctica | Esencial | Próximamente |
| L3.2.2 | Claude: trabajo agéntico en la app Trabajo agéntico en la app: archivos locales, tareas largas, permisos, tareas programadas, Docs, Slides y Design [Beta]. |
Práctica | Esencial | Próximamente |
| L3.2.3 | Proyectos de Claude bien diseñados Instrucciones, documentos de conocimiento y su mantenimiento (aplicado a este mismo curso). |
Práctica | Esencial | Próximamente |
| L3.3.1 | ChatGPT: conversaciones y proyectos ChatGPT: conversaciones, instrucciones personalizadas, chats temporales y organización del trabajo (proyectos con memoria por defecto o solo del proyecto, proyectos compartidos, Space y Pages según disponibilidad). |
Práctica | Esencial | Próximamente |
| L3.3.2 | ChatGPT: archivos, datos y deep research ChatGPT: archivos, análisis de datos, búsqueda e investigación profunda (deep research): cuándo usar cada una, alcance, límites por plan y país, y cómo verificar las fuentes. |
Práctica | Esencial | Próximamente |
| L3.3.3 | ChatGPT Work: delegar tareas largas ChatGPT Work: delegar tareas largas que producen documentos, hojas de cálculo, presentaciones o sitios; tareas en sitios con sesión iniciada y confirmaciones antes de acciones con consecuencias [Pago según plan]. |
Práctica | Esencial | Próximamente |
| L3.3.4 | ChatGPT: plugins y tareas programadas ChatGPT: plugins (apps, skills y conectores en un mismo directorio), tareas programadas y disparadas por eventos de apps conectadas; permisos, Centro de privacidad y supervisión de lo que se ejecuta sin vos [Disponibilidad según plan]. |
Práctica | Esencial | Próximamente |
| L3.3.5 | Gemini y el ecosistema Google Gems, integración con Workspace y NotebookLM. |
Práctica | Profundizar | Próximamente |
| L3.3.6 | Asistente local y privado Ollama con una interfaz de chat. Cuándo vale la pena (privacidad, costo cero) y sus límites. |
Práctica | Profundizar | Próximamente |
| L3.4.1 | Diseñar instrucciones de proyecto Diseñar instrucciones y conocimiento de proyecto: qué escribir, qué evitar y cómo medir si mejora el resultado. |
Mixta | Esencial | Próximamente |
| L3.4.2 | Conversaciones largas Degradación del contexto, cuándo empezar de nuevo, resúmenes de traspaso y memoria explícita. |
Mixta | Esencial | Próximamente |
| L3.5.1 | Connectors y apps Connectors y apps en Claude y ChatGPT (y Gemini como referencia): qué son (frecuentemente MCP bajo el capó), permisos que otorgan, lectura vs. escritura y cómo revocarlos. |
Práctica | Esencial | Próximamente |
| L3.5.2 | Servidores MCP locales Servidores MCP locales existentes en la app de escritorio: instalar y configurar uno (por ejemplo, sistema de archivos con alcance limitado), probarlo y revisar qué puede hacer. |
Práctica | Esencial | Próximamente |
| L3.5.3 | Skills y plugins existentes Skills y plugins existentes en Claude y en ChatGPT: qué contiene un plugin en cada plataforma, cómo instalarlo, invocarlo y evaluar si realmente ayuda; revisar su contenido antes de instalarlo (scripts, connectors, permisos) y su costo de contexto. |
Práctica | Esencial | Próximamente |
| L3.6.1 | Visión, documentos y audio Análisis de capturas, PDF, diagramas y voz. Qué funciona bien y dónde falla. |
Práctica | Profundizar | Próximamente |
| L3.6.2 | Agentes de navegador y uso de computadora Qué resuelven, cuándo conviene una API o un connector en su lugar, y riesgos (sitios no confiables, credenciales, acciones irreversibles). |
Mixta | Profundizar | Próximamente |
| L3.7.1 | Especificar una tarea delegable Objetivo, contexto, criterios de aceptación, límites, permisos y entregable esperado. |
Mixta | Esencial | Próximamente |
| L3.7.2 | Supervisar la ejecución agéntica Planes, puntos de control, aprobaciones, tareas programadas y cuándo interrumpir. |
Práctica | Esencial | Próximamente |
| L3.7.3 | Verificar resultados Listas de control, contraste con fuentes, pruebas reproducibles y detección de errores plausibles. |
Práctica | Esencial | Próximamente |
| L3.8.1 | Privacidad Entrenamiento con tus datos, retención, planes personales vs. empresariales y qué nunca subir. |
Conceptual | Esencial | Próximamente |
| L3.8.2 | Propiedad intelectual y políticas de uso Propiedad intelectual, confidencialidad y políticas de uso de IA en empresas (fundamentos; profundización en E3). |
Conceptual | Profundizar | Próximamente |
| L3.8.3 | Matriz de decisión: Claude, ChatGPT y Gemini Matriz de decisión y diferencias prácticas entre Claude, ChatGPT y Gemini (contexto, memoria, agentes, extensiones, privacidad, planes); costos verificados al preparar la lección. |
Mixta | Esencial | Próximamente |
Módulo 4 · Agentes de programación¶
21 h · Nivel 1 · 14 lecciones · Prerrequisitos: Módulo 2 (indispensable), Módulo 3 (recomendado).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L4.1.1 | Qué es un agente de programación Qué es un agente de programación y en qué se diferencia del autocompletado y del chat. Qué es común a todos (bucle, herramientas de lectura/edición/terminal, permisos, archivo de instrucciones) y por qué actuar en tu máquina exige cuidado. |
Conceptual | Esencial | Próximamente |
| L4.1.2 | Claude Code: primeros pasos Claude Code: acceso, instalación, primera sesión y superficies (terminal, IDE, escritorio y web). |
Práctica | Esencial | Próximamente |
| L4.1.3 | Codex: primeros pasos Codex: acceso (cuenta de ChatGPT o clave de API), superficies (app de escritorio de ChatGPT, CLI, extensión para IDE, web y nube), instalación en Windows y primera sesión. |
Práctica | Esencial | Próximamente |
| L4.2.1 | Explorar, planificar, implementar y verificar Explorar, planificar, implementar y verificar con tests: el mismo flujo en Claude Code (modo plan) y en Codex. |
Práctica | Esencial | Próximamente |
| L4.2.2 | Pedidos concretos y verificables Cómo especificar una tarea de código (retoma L3.7.1). |
Mixta | Esencial | Próximamente |
| L4.2.3 | Instrucciones persistentes Un AGENTS.md inicial que sirva a ambos agentes (convenciones, comandos de build y test, qué no tocar); cómo lo lee cada uno (Codex: cadena global → raíz → carpeta actual; Claude Code: CLAUDE.md o AGENTS.md). |
Práctica | Esencial | Próximamente |
| L4.2.4 | Revisar y aceptar cambios Lectura de diffs, revisión asistida ( /review en Codex, revisión en Claude Code), Git como red de seguridad, ramas y commits pequeños. |
Práctica | Esencial | Próximamente |
| L4.3.1 | Permisos y aislamiento Conceptos comunes (qué puede leer, escribir y ejecutar; acceso a red; aprobaciones) y su implementación en Claude Code (modos de permisos) y en Codex (modos de sandbox read-only / workspace-write / acceso total y políticas de aprobación). Qué permitir, qué preguntar siempre y qué nunca. |
Mixta | Esencial | Próximamente |
| L4.3.2 | MCP y skills en los agentes Usar servidores MCP y skills existentes desde ambos agentes (configuración de cada uno, invocación explícita e implícita). |
Práctica | Esencial | Próximamente |
| L4.3.3 | Contexto y sesiones Cuándo compactar, cuándo empezar de cero, cómo retomar una sesión anterior en cada herramienta. |
Mixta | Esencial | Próximamente |
| L4.4.1 | Configuración inicial de Codex Configuración inicial de Codex ( config.toml: modelo y esfuerzo, permisos, configuración por proyecto) y trabajo con repositorios (proyectos locales, worktrees para tareas en paralelo). |
Práctica | Profundizar | Próximamente |
| L4.4.2 | Codex en la nube Entornos, acceso a internet desactivado por defecto y lista de dominios permitidos, tareas en paralelo, revisión del resultado y pull requests. |
Práctica | Profundizar | Próximamente |
| L4.5.1 | Qué delegar y qué no Tareas ideales, tareas riesgosas y señales de que el agente se está desviando. |
Mixta | Esencial | Próximamente |
| L4.5.2 | Claude Code vs. Codex Comparación práctica Claude Code vs. Codex: misma tarea, calidad, consumo, ergonomía, permisos y qué conviene para cada tipo de trabajo. |
Mixta | Profundizar | Próximamente |
Módulo 5 · Automatización con n8n¶
18 h · Nivel 1 · 11 lecciones · Prerrequisitos: Módulo 0 (indispensable), Módulo 2 (recomendado, solo para L5.3.3).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L5.1.1 | Qué es n8n y cuándo conviene Qué es n8n y cuándo conviene frente a código propio u otras plataformas. Workflow determinista vs. agente (anticipo). |
Conceptual | Esencial | Próximamente |
| L5.1.2 | Instalación con Docker y PostgreSQL Instalación con Docker y PostgreSQL; estructura de una instancia. |
Práctica | Esencial | Próximamente |
| L5.1.3 | Modelo de datos Ítems, JSON, expresiones y mapping. |
Práctica | Esencial | Próximamente |
| L5.1.4 | Triggers Triggers: manual, programado, webhook y eventos de aplicaciones. |
Práctica | Esencial | Próximamente |
| L5.2.1 | Webhooks y HTTP Request Webhooks entrantes y salientes; nodo HTTP Request contra API REST propias. |
Práctica | Esencial | Próximamente |
| L5.2.2 | Bases de datos, archivos y servicios Bases de datos, archivos y servicios (correo, calendario, GitHub, Slack o Telegram). |
Práctica | Esencial | Próximamente |
| L5.2.3 | Credenciales y seguridad en n8n Credenciales y seguridad de n8n 2.x: task runners, aislamiento del nodo de código, variables de entorno bloqueadas, nodos deshabilitados por defecto y gestión de secretos. |
Mixta | Esencial | Próximamente |
| L5.2.4 | Nodo de código y subworkflows Nodo de código (JavaScript/Python), subworkflows y reutilización. |
Práctica | Profundizar | Próximamente |
| L5.3.1 | Manejo de errores error workflows, reintentos, idempotencia y alertas. |
Práctica | Esencial | Próximamente |
| L5.3.2 | Guardar, publicar y versionar workflows Guardar vs. publicar, exportación y versionado de workflows en Git. |
Práctica | Profundizar | Próximamente |
| L5.3.3 | Primer nodo LLM en un workflow Primer nodo LLM dentro de un workflow determinista (clasificar o resumir), con control de costo y validación de la salida. |
Mixta | Esencial | Próximamente |
Etapa 2 · Construir con modelos¶
Módulo 6 · Desarrollo con APIs de modelos¶
30 h · 14 lecciones · Prerrequisitos: Módulo 2 (indispensable), Módulo 3 (recomendado).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L6.1.1 | Anatomía de una llamada Endpoint, autenticación, modelo, mensajes, parámetros y respuesta. Lo que hace el SDK por vos (con curl primero). |
Práctica | Esencial | Próximamente |
| L6.1.2 | Conversaciones sin estado Por qué el cliente reenvía el historial y qué implica en costo y diseño. Variantes con estado del lado del proveedor. |
Conceptual | Esencial | Próximamente |
| L6.1.3 | Streaming (SSE) Streaming (SSE): cuándo usarlo y cómo procesarlo. |
Práctica | Profundizar | Próximamente |
| L6.1.4 | Comparativa de API Anthropic Messages, OpenAI Responses y Gemini. Conceptos equivalentes y diferencias. |
Mixta | Profundizar | Próximamente |
| L6.2.1 | Salidas estructuradas JSON Schema, modo estricto, validación con Pydantic o Bean Validation. |
Práctica | Esencial | Próximamente |
| L6.2.2 | Manejo de errores Límites de tasa, timeouts, reintentos con backoff, errores de contenido y respuestas truncadas. |
Práctica | Esencial | Próximamente |
| L6.2.3 | Pruebas de código que llama a un LLM mocks, fixtures grabadas y tests de contrato vs. evals. |
Práctica | Esencial | Próximamente |
| L6.3.1 | Qué es tool calling El modelo no ejecuta tu función, propone una llamada y tu código la ejecuta. El ciclo completo. |
Mixta | Esencial | Próximamente |
| L6.3.2 | Diseño de herramientas Nombres, descripciones, esquemas y errores devueltos al modelo. |
Práctica | Esencial | Próximamente |
| L6.3.3 | Llamadas paralelas y herramientas del proveedor Llamadas paralelas, elección forzada de herramienta y herramientas ejecutadas por el proveedor (búsqueda web, ejecución de código): quién ejecuta qué y dónde. |
Mixta | Esencial | Próximamente |
| L6.3.4 | Riesgos de tool calling Validar argumentos, permisos mínimos y confirmación humana para acciones destructivas. |
Mixta | Esencial | Próximamente |
| L6.4.1 | Caché de prompts, batch y elección de modelo Caché de prompts, procesamiento por lotes (batch) y selección de modelo por tarea. |
Práctica | Esencial | Próximamente |
| L6.4.2 | Portabilidad entre proveedores Portabilidad: API compatibles con OpenAI, Ollama, routers (por ejemplo LiteLLM u OpenRouter) y el costo de la abstracción. |
Mixta | Profundizar | Próximamente |
| L6.4.3 | LLM en Java con Spring AI 2.0ChatClient, advisors, salidas estructuradas y herramientas. |
Práctica | Profundizar | Próximamente |
Módulo 7 · Context Engineering¶
20 h · Nivel 2 · 11 lecciones · Prerrequisitos: Módulo 6 (indispensable); Módulo 3 y Módulo 4 (recomendados: aportan la experiencia de uso que aquí se formaliza).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L7.1.1 | Qué es context engineering Qué es context engineering y por qué reemplazó al "prompt engineering" como habilidad central. |
Conceptual | Esencial | Próximamente |
| L7.1.2 | Componentes del contexto Instrucciones de sistema, definiciones de herramientas, conocimiento recuperado, memoria, historial y resultados de herramientas. Cuánto "pesa" cada uno. |
Mixta | Esencial | Próximamente |
| L7.1.3 | Degradación del contexto (context rot) Degradación del contexto (context rot): medirla y por qué más contexto no siempre es mejor. |
Mixta | Esencial | Próximamente |
| L7.2.1 | Seleccionar el contexto Seleccionar: qué incluir y qué dejar afuera; recuperación bajo demanda vs. carga anticipada. |
Mixta | Esencial | Próximamente |
| L7.2.2 | Comprimir el contexto Comprimir: resúmenes, compactación y edición de contexto (limpiar resultados viejos de herramientas). |
Práctica | Esencial | Próximamente |
| L7.2.3 | Aislar el contexto Aislar: dividir trabajo en subcontextos (anticipo de subagentes y multiagente). |
Conceptual | Esencial | Próximamente |
| L7.2.4 | Persistir el contexto Persistir: notas externas, archivos de estado y memory tools. |
Práctica | Esencial | Próximamente |
| L7.2.5 | Orden del contexto y caché Orden y caché: estructurar el contexto para aprovechar la caché de prompts. |
Práctica | Profundizar | Próximamente |
| L7.3.1 | Tipos de memoria De trabajo, episódica, semántica y procedimental. Cómo se implementa cada una. |
Conceptual | Esencial | Próximamente |
| L7.3.2 | Archivos de instrucciones a fondo Archivos de instrucciones a fondo ( CLAUDE.md, AGENTS.md, instrucciones de proyecto): principios de diseño, alcance y medición de efecto (formaliza lo usado en M3 y M4). |
Mixta | Esencial | Próximamente |
| L7.3.3 | Divulgación progresiva El principio detrás de las Agent Skills y la búsqueda de herramientas. |
Conceptual | Profundizar | Próximamente |
Módulo 8 · Embeddings y RAG¶
34 h · 14 lecciones · Prerrequisitos: Módulo 6 y Módulo 7 (indispensables).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L8.1.1 | Embeddings en profundidad Qué capturan, dimensiones, modelos, normalización y embeddings multimodales (texto e imagen en un mismo espacio). |
Mixta | Esencial | Próximamente |
| L8.1.2 | Similitud y búsqueda del vecino más cercano Similitud (coseno, producto punto, euclídea) y búsqueda del vecino más cercano: exacta vs. aproximada. |
Mixta | Profundizar | Próximamente |
| L8.1.3 | Bases vectoriales Pgvector, Chroma y servicios gestionados. Índices HNSW e IVF; filtros por metadatos. |
Práctica | Esencial | Próximamente |
| L8.2.1 | Arquitectura RAG Ingesta → indexación → recuperación → generación. Por qué funciona y dónde falla. |
Conceptual | Esencial | Próximamente |
| L8.2.2 | Ingesta de documentos Ingesta: extracción de PDF, HTML y código; limpieza; metadatos. |
Práctica | Esencial | Próximamente |
| L8.2.3 | Chunking Chunking: tamaño, solapamiento, por estructura y semántico. Efectos en la calidad. |
Mixta | Esencial | Próximamente |
| L8.2.4 | Generación con contexto recuperado Prompt de RAG, citas y "no sé" cuando no hay evidencia. |
Práctica | Esencial | Próximamente |
| L8.3.1 | Búsqueda híbrida y reranking Búsqueda híbrida y reranking. |
Práctica | Esencial | Próximamente |
| L8.3.2 | Reescritura de consultas y HyDE Reescritura y expansión de consultas, HyDE y consultas multi-paso. |
Mixta | Profundizar | Próximamente |
| L8.3.3 | RAG agéntico La recuperación como herramienta que decide el agente. |
Mixta | Profundizar | Próximamente |
| L8.3.4 | Alternativas a RAG Alternativas y complementos: contexto largo, búsqueda tipo grep en agentes de código, GraphRAG. Cuándo NO usar RAG y cuándo considerar fine-tuning. |
Conceptual | Esencial | Próximamente |
| L8.4.1 | Métricas de RAG Métricas: recall y precisión de recuperación, fidelidad (faithfulness) y relevancia de la respuesta. Construcción de un dataset de preguntas y respuestas. |
Mixta | Esencial | Próximamente |
| L8.4.2 | Herramientas de evaluación de RAG Herramientas de evaluación de RAG (por ejemplo Ragas, promptfoo o LLM como juez) y sus límites. |
Práctica | Profundizar | Próximamente |
| L8.4.3 | Operación de un sistema RAG Operación: actualización incremental, versionado del índice y control de acceso por documento. |
Mixta | Profundizar | Próximamente |
Etapa 3 · Agentes e interoperabilidad¶
Módulo 9 · Agentes desde cero¶
30 h · 13 lecciones · Prerrequisitos: Módulo 6 y Módulo 7 (indispensables), Módulo 8 (recomendado).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L9.1.1 | Workflows vs. agentes Workflows vs. agentes: control determinístico vs. control del modelo. Niveles de autonomía (de sugerir a actuar sin supervisión). |
Conceptual | Esencial | Próximamente |
| L9.1.2 | Cuándo no construir un agente Cuándo NO construir un agente: el costo de la autonomía (latencia, gasto, impredecibilidad). |
Conceptual | Esencial | Próximamente |
| L9.1.3 | Patrones de workflows con LLM Encadenamiento, enrutamiento, paralelización, orquestador-trabajadores y evaluador-optimizador. |
Mixta | Esencial | Próximamente |
| L9.2.1 | El bucle agéntico mínimo en ~100 líneas Modelo, herramientas, observación y parada. |
Práctica | Esencial | Próximamente |
| L9.2.2 | ReAct y razonamiento intercalado ReAct y razonamiento intercalado; uso de thinking entre llamadas a herramientas. |
Mixta | Profundizar | Próximamente |
| L9.2.3 | Diseño de herramientas para agentes Granularidad, idempotencia y errores informativos. |
Práctica | Esencial | Próximamente |
| L9.2.4 | Condiciones de parada y presupuesto Condiciones de parada, límites de pasos y presupuesto, bucles infinitos y recuperación de errores. |
Práctica | Esencial | Próximamente |
| L9.3.1 | Planificación explícita Planes, listas de tareas y re-planificación. |
Práctica | Esencial | Próximamente |
| L9.3.2 | Memoria del agente scratchpad, archivos de estado y memoria a largo plazo con RAG. |
Práctica | Esencial | Próximamente |
| L9.3.3 | Tareas de larga duración Checkpoints y reanudación (concepto; se implementa en M14). |
Conceptual | Profundizar | Próximamente |
| L9.4.1 | Human-in-the-loop Human-in-the-loop: aprobaciones, puntos de control e interrupciones. |
Práctica | Esencial | Próximamente |
| L9.4.2 | Agencia excesiva Permisos mínimos, sandboxing, acciones reversibles vs. irreversibles. |
Mixta | Esencial | Próximamente |
| L9.4.3 | Evaluar agentes Éxito de la tarea, trayectoria, costo y pasos. |
Práctica | Esencial | Próximamente |
Módulo 10 · Model Context Protocol (MCP)¶
32 h · Nivel 2 · 16 lecciones · Prerrequisitos: Módulo 9 (indispensable), Módulo 3 (recomendado: uso de connectors y MCP en Nivel 1).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L10.1.1 | Qué problema resuelve MCP Repaso del Nivel 1 y qué problema resuelve MCP. Historia, gobernanza (Agentic AI Foundation) y adopción. |
Conceptual | Esencial | Próximamente |
| L10.1.2 | Host, cliente y servidor Quién hace qué. MCP como "tool calling estandarizado y descubrible". |
Conceptual | Esencial | Próximamente |
| L10.1.3 | Primitivas del servidor Herramientas, recursos y prompts. Cuándo usar cada una. |
Mixta | Esencial | Próximamente |
| L10.1.4 | Interacción con el cliente Elicitación mediante el patrón multi round-trip requests (MRTR). Roots, Sampling y Logging: qué eran, por qué se deprecan y con qué se reemplazan. |
Conceptual | Esencial | Próximamente |
| L10.1.5 | Transportes y especificación vigente Transportes: stdio vs. Streamable HTTP (HTTP+SSE deprecado). Núcleo sin estado de la especificación 2026-07-28 ( server/discover, sin sesiones de protocolo) y qué cambia respecto de la 2025-11-25. |
Mixta | Esencial | Próximamente |
| L10.2.1 | Primer servidor en Python Herramientas y recursos, probado con MCP Inspector. |
Práctica | Esencial | Próximamente |
| L10.2.2 | Servidor en Java con Spring AI Servidor en Java con Spring AI ( @McpTool, @McpResource) sobre una API REST o base de datos existente. |
Práctica | Profundizar | Próximamente |
| L10.2.3 | Diseño de servidores para agentes Pocas herramientas bien descritas vs. "envolver toda la API". Errores, paginación, orden determinista y caché de listas. |
Mixta | Esencial | Próximamente |
| L10.2.4 | Extensiones oficiales Tasks (operaciones largas), MCP Apps (interfaces interactivas) y Skills over MCP. Concepto y ejemplo según soporte de SDK y host [Verificar]. |
Mixta | Profundizar | Próximamente |
| L10.3.1 | Configuración avanzada en hosts Ámbitos, servidores remotos con OAuth, variables y depuración (amplía L3.5.2 y L4.3.2). |
Práctica | Esencial | Próximamente |
| L10.3.2 | Cliente MCP propio Construir un cliente MCP propio e integrarlo al agente de P5. |
Práctica | Esencial | Próximamente |
| L10.3.3 | Ecosistema y registros de servidores Ecosistema: registros de servidores y cómo evaluarlos antes de instalarlos. |
Mixta | Profundizar | Próximamente |
| L10.4.1 | Autorización en servidores remotos OAuth 2.1/OIDC, scopes, tokens y registro de clientes (Client ID Metadata Documents; Dynamic Client Registration deprecado). |
Mixta | Esencial | Próximamente |
| L10.4.2 | Amenazas y mitigaciones Amenazas: tool poisoning, prompt injection indirecta vía resultados, confused deputy, robo de credenciales y servidores maliciosos. Mitigaciones. |
Mixta | Esencial | Próximamente |
| L10.4.3 | Despliegue y observabilidad Despliegue remoto (contenedor, serverless), observabilidad con trazas (OpenTelemetry) y versionado. |
Práctica | Profundizar | Próximamente |
| L10.4.4 | MCP vs. API, skills y A2A MCP vs. API directa vs. skill vs. A2A: cuándo usar cada uno. |
Conceptual | Esencial | Próximamente |
Módulo 11 · Agentes de programación avanzados¶
25 h · Nivel 2 · 14 lecciones · Prerrequisitos: Módulo 4 y Módulo 7 (indispensables), Módulo 10 (recomendado, para L11.3.2).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L11.1.1 | Anatomía del harness Anatomía del harness: bucle, herramientas (lectura, edición, terminal, búsqueda), contexto y permisos. Comparación entre Claude Code, Codex y tu agente de P5. |
Conceptual | Esencial | Próximamente |
| L11.1.2 | Gestión del contexto en el agente Cómo gestiona el contexto un agente de programación: compactación, memoria, carga de instrucciones y skills, búsqueda en el código vs. RAG. Diferencias entre ambas herramientas. |
Conceptual | Esencial | Próximamente |
| L11.2.1 | AGENTS.md y CLAUDE.md a fondoAGENTS.md y CLAUDE.md a fondo: jerarquía, alcance por carpeta, archivos de anulación y límites de tamaño en Codex, memoria en Claude Code; mantenimiento y medición de efecto. |
Mixta | Esencial | Próximamente |
| L11.2.2 | Portabilidad de la configuración Portabilidad de la configuración entre agentes: qué es estándar ( AGENTS.md, Agent Skills, MCP) y qué es propio (config.toml de Codex, settings.json de Claude Code, hooks, extensiones de skills). |
Mixta | Profundizar | Próximamente |
| L11.3.1 | Permisos avanzados y aislamiento Políticas por proyecto y organización en Claude Code; en Codex, modos de sandbox, políticas de aprobación, revisión automática de aprobaciones, reglas de ejecución y el sandbox nativo de Windows. |
Práctica | Esencial | Próximamente |
| L11.3.2 | Tu servidor MCP en ambos agentes Tu servidor MCP (P6) en ambos agentes: configuración, autenticación OAuth, herramientas permitidas o bloqueadas y aprobación por herramienta. |
Práctica | Esencial | Próximamente |
| L11.3.3 | Hooks y automatismos del ciclo de vida Hooks de Claude Code (formateo, lint, tests, bloqueos de seguridad) y su equivalente en Codex, si existe en la versión vigente [Verificar]. |
Práctica | Esencial | Próximamente |
| L11.3.4 | Subagentes y trabajo en paralelo Subagentes de Claude Code; tareas en paralelo con worktrees y en la nube en Codex; cuándo aislar contexto. |
Mixta | Esencial | Próximamente |
| L11.3.5 | Primera skill propia Primera skill propia dentro del agente de programación: ubicaciones ( .claude/skills y .agents/skills), invocación explícita e implícita, y una misma skill usada en Claude Code y en Codex (el desarrollo a fondo sigue en M12). |
Práctica | Esencial | Próximamente |
| L11.4.1 | Modo no interactivo y scriptingclaude -p y codex exec (salida JSON, salida con esquema, sandbox de solo lectura por defecto en Codex, reanudar sesiones). |
Práctica | Esencial | Próximamente |
| L11.4.2 | Agentes en CI Revisión de PR y corrección de fallas con la integración de GitHub Actions de Claude Code y con la acción oficial de Codex (separar el job que ejecuta al agente del job con permisos de escritura); revisión de código automática en GitHub. |
Práctica | Esencial | Próximamente |
| L11.4.3 | Tareas programadas y en la nube Routines y tareas de escritorio de Claude Code; tareas programadas de Codex (locales en worktree o en la nube para equipos). Límites y riesgos de la ejecución desatendida [Pago]. |
Mixta | Profundizar | Próximamente |
| L11.5.1 | Revisión de código generado a escala Calidad, seguridad y deuda técnica. |
Mixta | Profundizar | Próximamente |
| L11.5.2 | Medir la eficacia de los agentes Medir la eficacia de cada agente en tu repositorio: tareas de referencia, tasa de éxito, intervenciones y costo. |
Práctica | Profundizar | Próximamente |
Módulo 12 · Desarrollo de skills y plugins¶
18 h · Nivel 2 · 10 lecciones · Prerrequisitos: Módulo 3 y Módulo 11 (indispensables).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L12.1.1 | Repaso y divulgación progresiva Repaso del Nivel 1. Divulgación progresiva y cómo decide el agente activar una skill. |
Conceptual | Esencial | Próximamente |
| L12.1.2 | Anatomía de una skill Anatomía: SKILL.md (metadatos, descripción que dispara la activación, instrucciones), scripts/, references/, assets/. Campos del estándar vs. extensiones de cada cliente (por ejemplo, controles de invocación de Claude Code o agents/openai.yaml de Codex) y límites de carga de cada cliente. |
Mixta | Esencial | Próximamente |
| L12.1.3 | Escribir buenas skills Descripciones precisas, instrucciones concisas, scripts deterministas para lo que no debe "improvisar" el modelo. |
Práctica | Esencial | Próximamente |
| L12.1.4 | Probar y evaluar skills ¿se activa cuando debe? ¿mejora el resultado? Iteración. |
Práctica | Esencial | Próximamente |
| L12.2.1 | Elegir el mecanismo de extensión Skill vs. servidor MCP vs. subagente vs. comando vs. hook vs. AGENTS.md: matriz de decisión. |
Conceptual | Esencial | Próximamente |
| L12.2.2 | Portabilidad de skills Portabilidad: la misma skill en Claude, Claude Code, Codex, Gemini CLI y Spring AI; skills distribuidas por MCP. Qué se rompe y por qué. |
Práctica | Profundizar | Próximamente |
| L12.3.1 | Plugins en dos ecosistemas Plugins de Claude (skills, comandos, agentes, hooks, servidores MCP; qué carga cada superficie) y plugins de ChatGPT/Codex (skills, servidores MCP y hooks del ciclo de vida, con un directorio compartido). Qué es común y qué no es portable. |
Mixta | Esencial | Próximamente |
| L12.3.2 | Marketplaces y distribución Públicos, privados y de equipo. Versionado y actualización. |
Práctica | Profundizar | Próximamente |
| L12.3.3 | Cadena de suministro Revisar skills y plugins de terceros (scripts, permisos, connectors) y procedencia. |
Mixta | Esencial | Próximamente |
| L12.3.4 | Costo de contexto y evals de plugins Medir costo de contexto y uso de un plugin; evals de plugins. |
Práctica | Profundizar | Próximamente |
Etapa 4 · Automatización y sistemas avanzados¶
Módulo 13 · n8n con IA y agentes¶
24 h · Nivel 2 · 10 lecciones · Prerrequisitos: Módulo 5, Módulo 6 y Módulo 9 (indispensables); Módulo 8 y Módulo 10 (recomendados, para L13.3.1 y L13.3.2).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L13.1.1 | Nodos LLM con salida estructurada Nodos de LLM con salida estructurada y validación: clasificación, extracción y resumen (amplía L5.3.3). |
Práctica | Esencial | Próximamente |
| L13.1.2 | Patrones de workflows con LLM en n8n Encadenamiento, enrutamiento, paralelización y evaluador-optimizador (mapeo con L9.1.3). |
Mixta | Esencial | Próximamente |
| L13.2.1 | Nodo AI Agent Modelo, memoria y herramientas. Mapeo con el bucle de M9. |
Mixta | Esencial | Próximamente |
| L13.2.2 | Herramientas del agente Nodos, HTTP y workflows como herramientas. |
Práctica | Esencial | Próximamente |
| L13.2.3 | Aprobación humana en workflows Aprobación humana dentro de workflows (esperar confirmación por correo o chat). |
Práctica | Esencial | Próximamente |
| L13.3.1 | RAG en n8n Ingesta a un vector store y agente con recuperación. |
Práctica | Esencial | Próximamente |
| L13.3.2 | MCP en n8n Consumir servidores MCP (MCP Client Tool) y exponer workflows como servidor MCP (MCP Server Trigger). |
Práctica | Esencial | Próximamente |
| L13.4.1 | Monitoreo, costos y límites Monitoreo de ejecuciones, costos de LLM y límites. |
Práctica | Esencial | Próximamente |
| L13.4.2 | Escalado y entornos Modo cola, réplicas y consideraciones para endpoints MCP [Verificar]. |
Mixta | Profundizar | Próximamente |
| L13.4.3 | Workflow con LLM vs. agente Workflow determinista + LLM puntual vs. agente autónomo; n8n vs. código propio. |
Conceptual | Esencial | Próximamente |
Módulo 14 · Frameworks de agentes¶
36 h · 11 lecciones · Prerrequisitos: Módulo 9 (indispensable), Módulo 10 (recomendado).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L14.1.1 | Qué aporta un framework Qué aporta un framework sobre tu agente de P5: estado, herramientas, memoria, trazas y despliegue. El costo de la abstracción. |
Conceptual | Esencial | Próximamente |
| L14.1.2 | Mapa de opciones y matriz de decisión Mapa de opciones vigente (Python, TypeScript y Java), su estado de mantenimiento y matriz de decisión. |
Conceptual | Esencial | Próximamente |
| L14.2.1 | Claude Agent SDK El harness de Claude Code como librería. Herramientas, permisos, subagentes y MCP. Referencia: el SDK de Codex como enfoque equivalente del otro proveedor [Verificar alcance]. |
Práctica | Esencial | Próximamente |
| L14.2.2 | OpenAI Agents SDK Agentes, handoffs, guardrails y sesiones. |
Práctica | Esencial | Próximamente |
| L14.2.3 | Runtimes gestionados Runtimes gestionados (por ejemplo Claude Managed Agents): cuándo delegar la infraestructura [Pago]. |
Mixta | Profundizar | Próximamente |
| L14.3.1 | LangGraph Grafos de estado, nodos, aristas condicionales, checkpoints e interrupciones para aprobación humana. |
Práctica | Esencial | Próximamente |
| L14.3.2 | Agentes en Java Spring AI 2.0 (bucle en la cadena de advisors, herramientas y MCP) y comparación con LangChain4j y Google ADK para Java. |
Práctica | Profundizar | Próximamente |
| L14.4.1 | Ejecución durable Persistencia del estado, reintentos y reanudación tras fallos. |
Práctica | Esencial | Próximamente |
| L14.4.2 | Memoria a largo plazo Estrategias y almacenamiento. |
Mixta | Profundizar | Próximamente |
| L14.4.3 | Guardrails Guardrails de entrada y salida, validación y límites. |
Práctica | Esencial | Próximamente |
| L14.4.4 | Exponer un agente como servicio API, streaming de eventos, autenticación y despliegue en contenedor. |
Práctica | Esencial | Próximamente |
Módulo 15 · Sistemas multiagente¶
26 h · 11 lecciones · Prerrequisitos: Módulo 14 (indispensable).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L15.1.1 | Cuándo usar varios agentes Cuándo varios agentes superan a uno (y cuándo no): evidencia, costos y la regla de "empezar con uno". |
Conceptual | Esencial | Próximamente |
| L15.1.2 | Topologías y patrones de coordinación | Conceptual | Esencial | Próximamente |
| L15.1.3 | Delegación efectiva entre agentes Qué contexto pasar, formato de resultados y criterios de terminación (versión programática de L3.7.1). |
Mixta | Esencial | Próximamente |
| L15.2.1 | Orquestador y trabajadores Orquestador-trabajadores con investigación en paralelo. |
Práctica | Esencial | Próximamente |
| L15.2.2 | Handoffs y estado compartido Handoffs entre agentes especializados y estado compartido. |
Práctica | Esencial | Próximamente |
| L15.2.3 | Evaluador-optimizador Evaluador-optimizador y revisión cruzada entre agentes. |
Práctica | Profundizar | Próximamente |
| L15.3.1 | El protocolo A2A El protocolo A2A 1.0: Agent Cards (incluidas las firmadas), tareas, mensajes y artefactos. |
Conceptual | Profundizar | Próximamente |
| L15.3.2 | A2A en la práctica Exponer y consumir un agente vía A2A; A2A + MCP en una misma arquitectura. |
Práctica | Profundizar | Próximamente |
| L15.4.1 | Evaluar sistemas multiagente Éxito global, contribución de cada agente y trazas. |
Práctica | Esencial | Próximamente |
| L15.4.2 | Fallos típicos Duplicación de trabajo, delegación vaga, bucles entre agentes y explosión de costos. Presupuestos por agente. |
Mixta | Esencial | Próximamente |
| L15.4.3 | Confianza entre agentes Propagación de prompt injection, identidad y permisos por agente. |
Mixta | Esencial | Próximamente |
Etapa 5 · Producción e integración¶
Módulo 16 · Seguridad, evaluación y operación¶
36 h · 16 lecciones · Prerrequisitos: Módulo 13 y Módulo 14 (indispensables); Módulo 12 y Módulo 15 (recomendados).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L16.1.1 | Modelado de amenazas Modelado de amenazas para aplicaciones y agentes con LLM: activos, fronteras de confianza y la "tríada letal" (datos privados + contenido no confiable + capacidad de comunicación externa). |
Mixta | Esencial | Próximamente |
| L16.1.2 | OWASP Top 10 para LLM y agentes OWASP Top 10 LLM 2026 y Top 10 de aplicaciones agénticas: recorrido con ejemplos sobre tus proyectos. |
Mixta | Esencial | Próximamente |
| L16.1.3 | Defensa contra prompt injection Defensa contra prompt injection: por qué no hay solución completa; aislamiento, permisos, confirmación humana y separación de privilegios. |
Mixta | Esencial | Próximamente |
| L16.1.4 | Identidad y credenciales de agentes Secretos, tokens de corta duración y permisos mínimos por herramienta. |
Práctica | Esencial | Próximamente |
| L16.1.5 | Privacidad Datos personales, minimización, anonimización y retención en proveedores. |
Conceptual | Esencial | Próximamente |
| L16.2.1 | Estrategia de evaluación Tipos (deterministas, basados en modelo, humanos) y qué medir en cada tipo de sistema. |
Conceptual | Esencial | Próximamente |
| L16.2.2 | LLM como juez Diseño de rúbricas, calibración con humanos y sesgos. |
Práctica | Esencial | Próximamente |
| L16.2.3 | Evals en integración continua Regresión al cambiar prompts, modelos o herramientas. |
Práctica | Esencial | Próximamente |
| L16.2.4 | Red teaming Red teaming y evaluación adversarial. |
Práctica | Profundizar | Próximamente |
| L16.3.1 | Trazas con OpenTelemetry Trazas de LLM y agentes con OpenTelemetry: spans, atributos y convenciones. |
Práctica | Esencial | Próximamente |
| L16.3.2 | Plataformas LLMOps Plataformas LLMOps (Langfuse o Phoenix): trazas, datasets, evaluaciones en línea y feedback. |
Práctica | Profundizar | Próximamente |
| L16.3.3 | Depurar agentes Leer trayectorias, reproducir fallos y análisis de errores sistemático. |
Práctica | Esencial | Próximamente |
| L16.4.1 | Optimización de costos Optimización: enrutamiento por modelo, caché, batch, compresión de contexto y presupuestos. |
Práctica | Esencial | Próximamente |
| L16.4.2 | Confiabilidad fallbacks entre proveedores, límites de tasa, timeouts y degradación controlada. |
Práctica | Esencial | Próximamente |
| L16.4.3 | Mantenimiento Deprecación de modelos, API y herramientas (casos reales: Assistants API, Agent Builder), migraciones y deriva. |
Mixta | Esencial | Próximamente |
| L16.4.4 | Gobernanza mínima Registro de decisiones, auditoría y documentación de sistemas de IA. |
Conceptual | Profundizar | Próximamente |
Módulo 17 · Proyecto final integrador¶
50 h · 8 lecciones · Prerrequisitos: Módulo 16 (indispensable).
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L17.1.1 | Elegir el problema y los requisitos Elección del problema y definición de requisitos, métricas de éxito y restricciones (costo, privacidad). |
Mixta | Esencial | Próximamente |
| L17.1.2 | Arquitectura y decisiones (ADR) Arquitectura y decisiones técnicas documentadas (ADR): qué es determinista, qué es agente, qué es RAG, qué es MCP y qué es n8n. |
Mixta | Esencial | Próximamente |
| L17.1.3 | Amenazas y plan de evaluación Modelo de amenazas y plan de evaluación antes de construir. |
Mixta | Esencial | Próximamente |
| L17.2.1 | Hito 1: núcleo funcional Hito 1: núcleo funcional mínimo con evals. |
Práctica | Esencial | Próximamente |
| L17.2.2 | Hito 2: integraciones Hito 2: integraciones (MCP, n8n y datos). |
Práctica | Esencial | Próximamente |
| L17.2.3 | Hito 3: seguridad, observabilidad y costos Hito 3: seguridad, observabilidad y costos. |
Práctica | Esencial | Próximamente |
| L17.3.1 | Evaluación final y métricas Evaluación final, informe de métricas y análisis de costos. |
Práctica | Esencial | Próximamente |
| L17.3.2 | Documentación, demostración y retrospectiva | Mixta | Esencial | Próximamente |
Electivas¶
Especializaciones opcionales, sin lecciones numeradas: ver Electivas.