Ingeniería de Prompts y Optimización de LLM para Desarrolladores
Los modelos de lenguaje grande son ahora una capa práctica en software en producción — utilizados para generación de código, extracción de datos, resumen y agentes autónomos. Este track te enseña cómo comunicarte con esos modelos de forma precisa y confiable, cómo evaluar y asegurar sus outputs, e integrarlos en aplicaciones reales sin costos descontrolados o comportamiento impredecible. El enfoque es aplicado y específico para desarrolladores: cada tema se relaciona con decisiones que tomas al construir con APIs como OpenAI, Anthropic, o modelos open-weight.
Qué Aprenderás
Comenzarás con fundamentos de prompts — claridad de instrucciones, role framing, y patrones few-shot — luego avanzarás a estrategias avanzadas incluyendo chain-of-thought, self-consistency, y output constraints. Los cursos posteriores abordan la integración de LLM en flujos de trabajo de desarrolladores, ingeniería de prompts específicamente para generación de código y tareas de datos, y construcción end to end de aplicaciones impulsadas por LLM. El track también cubre evaluación y seguridad de outputs del modelo, identificación de modos de fallo, y defensa contra prompt injection. Los cursos finales tratan optimización de desempeño, optimización de costos, fine-tuning específico del dominio, patrones de IA agentic con tool use y orquestación, y el pipeline completo para productizar y escalar soluciones LLM.
La Ruta de Aprendizaje
Doce cursos avanzan desde A1 hasta C1. El curso de apertura, Fundamentos de Ingeniería de Prompts, establece el vocabulario y modelo mental. Los cursos intermedios — Integrando LLM en Flujos de Trabajo de Desarrolladores, Ingeniería de Prompts para Código y Datos, y Construyendo Aplicaciones Impulsadas por LLM — te llevan a la construcción práctica. El track cierra en C1 con IA Agentic Avanzada y Orquestación, Personalizando LLM para Dominios Específicos, y Productizando y Escalando Soluciones LLM, cubriendo las preocupaciones de ingeniería que surgen cuando las características de LLM van a producción a escala.
Cómo Funciona
Cada curso se divide en lecciones cortas y enfocadas que completas con feedback en tiempo real y un tutor de IA disponible cuando te atascas. Los ejercicios son prácticos: escribes, pruebas e iteras sobre prompts y código de integración directamente en el editor integrado, viendo el efecto de cada cambio inmediatamente en lugar de leerlo de forma abstracta.