Creación de agentes de IA con diseño práctico de aplicaciones
Construir e implantar sistemas de agentes de inteligencia artificial
Certificado oficial emitido por la SEPA través del Gobierno del Estado de México
12 meses de acceso
En línea · 144 h
9 unidades
Nivel principiante
Qué aprenderás
Lo que serás capaz de hacer
Esta Especialización le capacita para diseñar, optimizar e implantar agentes de IA que funcionen de forma fiable en entornos empresariales reales. Está dirigida a ingenieros, analistas, profesionales de datos y personas que cambian de carrera y desean adquirir conocimientos prácticos y técnicos. Aprenderá la arquitectura básica de agentes, el modelado de entornos y el diseño de estados y acciones. Construirá agentes de referencia, traducirá los requisitos empresariales en objetivos funcionales y evaluará el rendimiento utilizando los KPI estándar del sector. A continuación, aplicará el aprendizaje por refuerzo, el modelado de recompensas, los métodos de diferencia temporal y las técnicas de interacción multiagente para mejorar la calidad de las decisiones en condiciones de incertidumbre. También abordará la equidad, la robustez y la adaptación en entornos no estacionarios. Por último, desarrollará habilidades de despliegue listas para la producción, incluidas canalizaciones nativas de la nube, supervisión y detección de anomalías, informes de cumplimiento y evaluación comparativa del rendimiento de la inversión. Los casos prácticos de finanzas, comercio minorista y sanidad muestran cómo los sistemas de agentes se integran con los flujos de datos empresariales y crean un valor operativo cuantificable. Al finalizar, será capaz de diseñar, formar, evaluar e implantar sistemas de agentes con resultados de rendimiento claros y justificables.
- Diseñar y evaluar arquitecturas de agentes de inteligencia artificial para entornos reales.
- Optimizar las decisiones de los agentes mediante el aprendizaje por refuerzo y técnicas multiagente.
- Implementar, supervisar y comunicar el rendimiento de los agentes a gran escala.
Habilidades que desarrollarás
Comunicación técnica
Integración de datos
Aprendizaje por refuerzo
Inteligencia artificial y aprendizaje automático (AI/ML)
Sistemas agénticos
Transformación de negocios
IA responsable
Diseño e implementación de sistemas
Iniciativa y liderazgo
Implementación de aplicaciones
Inteligencia artificial
Métrica de desempeño
Computación en la nube
Aprendizaje profundo
Visualización de datos
Programación en Python
Aprendizaje automático
Ingeniería de datos
Detección de anomalías
Análisis estadístico
Temario
UNIDAD 1 - Introducción al diseño de agentes de IA · 15 leccionesFundamentos de los sistemas de IA basados en agentes - UNIDAD 1 - Introducción al diseño de agentes de IA
UNIDAD 1 - Introducción al diseño de agentes de IA · 15 lecciones
Fundamentos de los sistemas de IA basados en agentes - UNIDAD 1 - Introducción al diseño de agentes de IA
- Bienvenido a los sistemas de IA basados en agentes
- Nivel con entrenador
- Introducción al diseño de agentes de IA
- Utilizar la descomposición modular para diseñar sistemas de agentes escalables
- Historia de una acción: Desmenuzando un complicado problema de diseño de agentes
- Asignación de las prioridades de las partes interesadas a las capacidades de los agentes mediante el análisis de los requisitos
- Aplicar diagramas UML y de flujo de trabajo para aclarar las interacciones de los agentes
- Arquitecturas de agentes y diseño funcional
- Alineación de Objetivos de negocio mediante el mapeo de historias de usuario
- Seleccionar métricas de rendimiento adaptadas a las tareas centradas en el agente
- Facilitar el consenso interfuncional en torno a las propuestas de diseño de agentes
- Traducir las metas de las partes interesadas en objetivos técnicos
- Juego de rol: Colega con prioridades contradictorias
- Introducción al diseño de agentes de IA - Examen
- Introducción al diseño de agentes de IA - Resumen
UNIDAD 2 - Selección de acciones y representación de estados · 12 leccionesFundamentos de los sistemas de IA basados en agentes - UNIDAD 2 - Selección de acciones y representación de estados
UNIDAD 2 - Selección de acciones y representación de estados · 12 lecciones
Fundamentos de los sistemas de IA basados en agentes - UNIDAD 2 - Selección de acciones y representación de estados
- Selección de acciones y representación de estados
- Reducción de dimensionalidad para la selección de características del estado del agente
- Historia de una acción: Una representación estatal sin ruido
- Ingeniería de estados compuestos para modelización medioambiental de alta fidelidad
- Utilizar PCA y t-SNE para visualizar los espacios de estado de los agentes
- Estrategias de representación de estados e Ingeniería de características
- Aplicar políticas de acción codiciosas, estocásticas e híbridas
- Validar las correspondencias estado-acción mediante pruebas basadas en simulaciones
- Optimizar la búsqueda de políticas con técnicas de algoritmos evolutivos
- Selección de acciones y formación de políticas
- Juego de rol: Un colega con un enfoque diferente
- Gestión de los ciclos de ventas y de la cartera de pedidos - Examen
UNIDAD 3 - Evaluación y optimización de la línea de base · 13 leccionesFundamentos de los sistemas de IA basados en agentes - UNIDAD 3 - Evaluación y optimización de la línea de base
UNIDAD 3 - Evaluación y optimización de la línea de base · 13 lecciones
Fundamentos de los sistemas de IA basados en agentes - UNIDAD 3 - Evaluación y optimización de la línea de base
- Evaluación y optimización de la línea de base
- Construir agentes de referencia basados en reglas para una comparación inicial
- Historia de una acción: Establecer el punto de referencia adecuado antes de la ampliación
- Medir el rendimiento de los agentes con métricas de evaluación específicas del ámbito
- Realización de análisis de errores para detectar oportunidades de mejora
- Crear y evaluar agentes de referencia
- Desarrollar ciclos ágiles de creación de prototipos para la mejora de los agentes
- Pruebas A/B para optimizar la heurística de los agentes
- Aprovechar el desarrollo basado en la retroalimentación para obtener mejoras graduales
- Prototipado rápido y perfeccionamiento iterativo
- Juego de rol: Interesado bajo presión de plazos
- Evaluación y optimización de la línea de base - Examen
- Siguiente: Decisiones dinámicas
UNIDAD 4 - Fundamentos del aprendizaje por refuerzo · 15 leccionesToma de decisiones en entornos dinámicos - UNIDAD 4 - Fundamentos del aprendizaje por refuerzo
UNIDAD 4 - Fundamentos del aprendizaje por refuerzo · 15 lecciones
Toma de decisiones en entornos dinámicos - UNIDAD 4 - Fundamentos del aprendizaje por refuerzo
- Bienvenido a Toma de decisiones en entornos dinámicos
- Nivel con el entrenador
- Fundamentos del aprendizaje por refuerzo
- Diseñar funciones personalizadas de modelado de recompensas
- Historia de acción: Cuando el diseño de las recompensas sale mal
- Aplicar los conocimientos del ámbito para diseñar señales de recompensa de gran impacto
- Validar funciones de recompensa mediante la evaluación basada en el metaaprendizaje
- Diseñar funciones personalizadas de modelado de recompensas para obtener resultados específicos en los agentes
- Implementar el aprendizaje TD para la adaptación de los agentes en tiempo real
- Optimizar las políticas de los agentes mediante los métodos de aprendizaje Q y Monte Carlo
- Encontrar el equilibrio entre la exploración y la explotación para maximizar las recompensas acumuladas
- Aprendizaje en tiempo real: cómo se adaptan los agentes sobre la marcha
- Juego de roles: Director de producto, División de Sistemas de IA
- Fundamentos del aprendizaje por refuerzo
- De los fundamentos a las interacciones
UNIDAD 5 - Interacciones multiagente · 13 leccionesToma de decisiones en entornos dinámicos - UNIDAD 5 - Interacciones multiagente
UNIDAD 5 - Interacciones multiagente · 13 lecciones
Toma de decisiones en entornos dinámicos - UNIDAD 5 - Interacciones multiagente
- Interacciones multiagente
- Modelar las interacciones entre múltiples agentes
- Historia de acción: Cuando la colaboración se convierte en competencia
- Diseñar un sistema eficaz para compartir información en tareas colaborativas
- Desarrolla estrategias de agentes competitivas para dominar las simulaciones de mercado
- Modelización de las interacciones entre múltiples agentes utilizando conceptos del equilibrio de Nash
- Formación de agentes de Scale
- Implementar protocolos de comunicación entre pares para los equipos de agentes
- Gestionar la coherencia de los datos en redes de agentes descentralizadas
- Entrenamiento a gran escala: sistemas más inteligentes gracias al poder compartido
- Ampliar la formación de los agentes mediante marcos de computación distribuida
- Juego de roles: cómo dirigir equipos formados por múltiples agentes para trabajar de forma más eficaz
- Interacciones multiagente
UNIDAD 6 - Adaptación, equidad y solidez · 13 leccionesToma de decisiones en entornos dinámicos - UNIDAD 6 - Adaptación, equidad y solidez
UNIDAD 6 - Adaptación, equidad y solidez · 13 lecciones
Toma de decisiones en entornos dinámicos - UNIDAD 6 - Adaptación, equidad y solidez
- Adaptación, equidad y solidez
- Aplicar técnicas de aprendizaje por transferencia para gestionar flujos de datos dinámicos
- Historia de acción: Cuando el modelo de ayer deja de tener sentido
- Detectar la deriva conceptual para recalibrar el modelo a tiempo
- Integrar procesos de aprendizaje continuo para garantizar su relevancia en el mundo real
- Aplicar técnicas de aprendizaje por transferencia para gestionar flujos de datos dinámicos
- Implementar restricciones de equidad utilizando kits de herramientas de código abierto
- Evaluar a los agentes para detectar sesgos y comportamientos discriminatorios
- Protege a los agentes frente a ataques maliciosos mediante patrones de diseño robustos
- Implementar restricciones de equidad utilizando kits de herramientas de código abierto
- Juego de roles: cómo gestionar el cambio en el ámbito de la IA en el mundo real
- Adaptación, equidad y solidez
- De la toma de decisiones a la puesta en marcha
UNIDAD 7 - Introducción al diseño de agentes de IA · 16 leccionesDespliegue e impacto de los agentes de IA - UNIDAD 7 - Introducción al diseño de agentes de IA
UNIDAD 7 - Introducción al diseño de agentes de IA · 16 lecciones
Despliegue e impacto de los agentes de IA - UNIDAD 7 - Introducción al diseño de agentes de IA
- Bienvenido a AI Agent Design
- Sistemas de agentes listos para la producción
- Nivel con el entrenador
- Diseñar estrategias de implementación de agentes nativos de la nube para garantizar la disponibilidad global
- Historia de una acción: Salvar un lanzamiento mundial de un fracaso de despliegue
- Automatice los ciclos de liberación de agentes con canalizaciones CI/CD
- Cumplimiento de la normativa mediante herramientas de supervisión integradas
- Cuestionario generado por Coursera
- Configurar la supervisión de agentes en tiempo real para la detección de anomalías
- Configurar la supervisión de los agentes en tiempo real
- Diseñar bucles de retroalimentación para orientar el reentrenamiento de los agentes adaptativos
- Implementar estrategias de reversión automatizadas para garantizar la seguridad de la producción
- Anticiparse a los problemas antes de que surjan
- Director de Operaciones, División de Sistemas Minoristas Globales
- Cuestionario generado por Coursera
- Del diseño a las soluciones
UNIDAD 8 - Soluciones sectoriales y casos prácticos · 13 leccionesDespliegue e impacto de los agentes de IA - UNIDAD 8 - Soluciones sectoriales y casos prácticos
UNIDAD 8 - Soluciones sectoriales y casos prácticos · 13 lecciones
Despliegue e impacto de los agentes de IA - UNIDAD 8 - Soluciones sectoriales y casos prácticos
- Soluciones sectoriales y casos prácticos
- Diseñar sistemas de agentes para el sector financiero
- Historia de acción: Cómo detener una reacción en cadena de riesgo crediticio
- Adaptar los flujos de trabajo de los agentes sanitarios para una optimización centrada en el paciente
- Integrar plataformas de agentes minoristas para fomentar la interacción personalizada con los usuarios
- Ingeniero de sistemas de agentes para el sector financiero
- Evaluar el retorno de la inversión (ROI) impulsado por los agentes mediante análisis comparativos
- Rentabilidad de la inversión (ROI) basada en los agentes de referencia
- Analizar casos prácticos del sector para extraer conclusiones útiles
- Gestionar integraciones de flujos de datos de principio a fin para garantizar la escalabilidad del negocio
- Demostrar que merece la pena
- Convertir los resultados de la IA en rentabilidad
- Soluciones sectoriales y casos prácticos
UNIDAD 9 - Comunicación y liderazgo de las partes interesadas · 14 leccionesDespliegue e impacto de los agentes de IA - UNIDAD 9 - Comunicación y liderazgo de las partes interesadas
UNIDAD 9 - Comunicación y liderazgo de las partes interesadas · 14 lecciones
Despliegue e impacto de los agentes de IA - UNIDAD 9 - Comunicación y liderazgo de las partes interesadas
- Comunicación y liderazgo de las partes interesadas
- Visualiza los resultados de los agentes mediante paneles de informes interactivos
- Historia de acción: Cómo convertir el caos de los datos en claridad
- Traducir los indicadores técnicos para facilitar la toma de decisiones por parte de la dirección
- Tender puentes entre las partes interesadas con conocimientos técnicos y las que carecen de ellos
- Cuestionario generado por Coursera
- Elaborar planes de transformación basados en la IA que se puedan poner en práctica para los equipos empresariales
- Elaboración de planes de acción concretos
- Organizar talleres con las partes interesadas para lograr la aceptación de la solución por parte de los agentes
- Gestionar la adaptación tras la implantación y la retroalimentación de la organización
- Elaboración del plan para un cambio duradero
- Liderar con claridad y confianza
- Comunicación y liderazgo de las partes interesadas
- Del liderazgo a la exploración
Certificado oficial
Tu certificado lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Cómo funciona
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
9 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
23 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Lo que obtienes
Un certificado oficial de la SEP
Muestra · verificable por folio y QR
- Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por LearnQuest.
- Folio y QR verificables para compartirlo con quien te contrate.
Medios que necesitas
Equipo de cómputo
Conexión estable a internet
Pago único
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 9 unidades · 124 lecciones · 144 h
- 12 meses de acceso
- 23 cuestionarios de evaluación
- Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Preguntas frecuentes
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por LearnQuest; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.
