Aprende a construir sistemas con Recuperación Aumentada por Generación (RAG) y agentes con IA generativa.
Certificado del Programa
Los usuarios que se suscriban a este curso, tienen la oportunidad de obtener un Certificado de estudios con validez SEP , verificable, imprimible y descargable (PDF) .
Para Obtener tu certificado SEP deberás presentar tu certificado de finalización de coursera. Tu membresía tiene incluida la emisión de 1 Certificado para el curso que elijas.
Si quieres cursar otro programa con certificado este tiene un costo de emisión de MXN $1,950
-
-
- Introducción al curso 00:01:54
- Visión general del certificado profesional de GAR y IA agéntica 00:05:32
- Resumen del curso 00:04:00
- Consejos útiles para completar el curso 00:05:00
- Acerca de esta lección opcional 00:02:00
- Introducción a la IA Generativa 00:07:03
- ¿Qué son los Modelos generativos de IA? 00:08:50
- Vídeo: ¿Qué es NLP (Procesamiento de lenguaje natural)? 00:09:37
- Lectura: Guía completa de la IA generativa 00:30:00
- Cuestionario práctico: Fundamentos de la IA generativa 00:20:00
- Introducción al aprendizaje en contexto 00:05:43
- Introducción a LangChain 00:03:57
- Métodos Avanzados de Ingeniería Prompt 00:05:44
- Método de encadenamiento LangChain LCEL 00:04:34
- lectura (opcional): ¿Qué es la ingeniería de promesas y por qué nos importa? 00:15:00
- Elegir la estrategia correcta: Una comprobación previa al laboratorio 00:15:00
- Laboratorio: Master Prompt Engineering y LangChain PromptTemplates 01:00:00
- Cuestionario de práctica: Trabajar con Ingeniería de indicaciones y plantillas de indicaciones 00:20:00
- Resumen y aspectos destacados: Fundamentos de la IA generativa y la Ingeniería de indicaciones 00:02:00
- Hoja de trucos: Fundamentos de la IA generativa y LangChain 00:30:00
- Cuestionario graduado: Fundamentos de la IA generativa e Ingeniería de indicaciones 00:20:00
- Recapitulación: Introducción a LangChain 00:15:00
- Cadena Lingüística: Conceptos básicos 00:06:58
- Cadenas LangChain y agentes para aplicaciones de construcción 00:06:37
- (Opcional) Método de encadenamiento LangChain LCEL 00:04:34
- Laboratorio: Crear aplicaciones de IA más inteligentes: Capacite a los LLM con LangChain 01:00:00
- Cuestionario práctico: Componentes principales y funciones avanzadas de LangChain 00:20:00
- Resumen y aspectos destacados: Introducción a LangChain en aplicaciones GenAI 00:02:00
- Hoja de trucos: Introducción a LangChain en aplicaciones GenAI 00:30:00
- Cuestionario graduado: Introducción a LangChain en aplicaciones GenAI 00:20:00
- Primeros pasos con Gradio 00:03:48
- Lectura: Introducción a Gradio 00:15:00
- Laboratorio: Configuración de una interfaz Gradio sencilla para interactuar con tus modelos 00:30:00
- Laboratorio: Construir un robot de control de calidad que aproveche LangChain y LLM para responder preguntas a partir de un documento cargado 00:30:00
- Cuestionario práctico: Creación de aplicaciones con RAG 00:20:00
- Resumen y aspectos destacados: Creación de aplicaciones con RAG 00:02:00
- Hoja de trucos: Creación de aplicaciones con RAG 00:05:00
- Cuestionario graduado: Creación de aplicaciones con RAG 00:20:00
- Operaciones esenciales de base de datos en Chroma DB 00:05:48
- Laboratorio: Búsqueda por similitud en registros de empleados utilizando Python y Chroma DB 01:00:00
- [Opcional] Podcast interactivo de recapitulación de lecciones (con IA) 00:10:00
- Cuestionario práctico: Operaciones de la base de datos Chroma DB 00:20:00
- Cómo funcionan las bases de datos vectoriales 00:06:35
- Laboratorio: Proyecto Práctico: Sistema de recomendación de alimentos mediante Chroma DB 02:00:00
- [Opcional] Podcast interactivo de recapitulación de lecciones (con IA) 00:10:00
- Prueba práctica: Desarrollar un sistema de recomendación y conectar los conceptos aprendidos con la GAR 00:20:00
- Resumen y aspectos destacados: Bases de datos vectoriales para sistemas de recomendación y GAR 00:02:00
- Lectura: Bases de datos vectoriales para sistemas de recomendación y RAG Cheat Sheet 00:15:00
- Tarea calificada: Cuestionario graduado: Bases de datos vectoriales para sistemas de recomendación y RAG 00:20:00
- Lo que viene a continuación: Explorar watsonx.data 00:01:00
- Resumen del curso 00:04:49
- Felicitaciones y próximos pasos 00:02:00
- Equipo y agradecimientos 00:02:00
- Introducción al curso 00:04:21
- Resumen del curso 00:05:00
- Visión general del certificado profesional de GAR y IA agéntica 00:05:32
- Lectura: Consejos útiles para completar el curso 00:05:00
- Explore Retrievers avanzados en Langchain: Parte 1 00:02:34
- Explore Retrievers avanzados en Langchain – Parte 2 00:05:10
- Laboratorio: Construya una búsqueda más inteligente con LangChain Context Retrieval 01:00:00
- [Opcional] Podcast interactivo de recapitulación de lecciones de LangChain (con IA) 00:10:00
- Prueba práctica: Trabajar con recuperadores avanzados en LangChain 00:20:00
- Recuperadores avanzados en LlamaIndex 00:08:40
- Lab: Explora Retrievers Avanzados en LlamaIndex 01:00:00
- [Opcional] Podcast interactivo de recapitulación de lecciones LlamaIndex (con IA) 00:10:00
- Cuestionario de Práctica: Trabajar con Recuperadores Avanzados en LlamaIndex 00:20:00
- Resumen y aspectos destacados: Recuperadores avanzados para el GAR 00:03:00
- Lectura: Cheat Sheet: Recuperadores avanzados para RAG 00:15:00
- Cuestionario graduado: Retrievers avanzados para RAG 00:20:00
- Entender el subtitulado de imágenes con Meta’s Llama 00:07:21
- Lectura: Introducción a las tecnologías de texto a vídeo y de imagen a vídeo 00:12:00
- Demostración: Generación de texto a vídeo con Sora de OpenAI 00:07:36
- Laboratorio: Guía de generación de imágenes de DALL-E para principiantes 00:20:00
- Lectura: Puntos fuertes, limitaciones y aplicaciones prácticas de los modelos de visión multimodal en escenarios del mundo real 00:08:00
- Laboratorio: Creación de un sistema de subtitulado de imágenes con watsonx y Granite de IBM 00:30:00
- Generación de imágenes y subtítulos 00:20:00
- Lectura: Resumen y aspectos destacados 00:03:00
- Hoja de trucos: Integración de las modalidades visual y de vídeo 00:15:00
- Cuestionario graduado: Integración de las modalidades visual y de vídeo 00:20:00
- Método de encadenamiento LangChain LCEL 00:04:34
- Laboratorio: Análisis de datos basados en IA con LCEL 00:45:00
- Hoja de trucos: Lenguaje de expresión LangChain (LCEL) 00:05:00
- Cuestionario práctico: Introducción al encadenamiento y conceptos básicos de LCEL 00:20:00
- Cuándo llamar manualmente a las herramientas 00:04:04
- Salidas estructuradas para la llamada a herramientas 00:05:00
- Cuestionario práctico: Fundamentos de la llamada manual 00:20:00
- Construir agentes LLM con herramientas 00:04:41
- Construir agentes LLM interactivos 00:05:44
- Laboratorio: Creación de agentes LLM interactivos con herramientas 01:00:00
- Laboratorio: Construir una herramienta de agente de llamadas 01:00:00
- Cuestionario práctico: Análisis sintáctico y validación de llamadas a herramientas 00:20:00
- Resumen y aspectos destacados: Introducción al encadenamiento y fundamentos de LCEL 00:02:00
- Hoja de trucos: Llamada manual a herramientas en LangChain 00:20:00
- Cuestionario graduado: Llamada manual a herramientas en LangChain 00:20:00
- Panorama general: Tipos de agentes de IA 00:10:10
- El arte de la autosuperación de la IA: Creación de agentes de reflexión 00:08:05
- Laboratorio: Creación de un agente de reflexión con LangGraph 00:45:00
- Cuestionario práctico: Construir agentes de reflexión 00:20:00
- Estructuración de llamadas a herramientas LLM con Pydantic y serialización JSON 00:10:00
- Comprender los agentes de reflexión 00:06:29
- Construir agentes de reflexión 00:08:01
- Laboratorio: Creación de un agente de reflexión con integración de conocimientos externos 00:30:00
- Cuestionario práctico: Superación personal avanzada con agentes de reflexión 00:20:00
- ReAct: Crear agentes que razonen antes de actuar 00:08:50
- Laboratorio: ReAct: Creación de agentes de IA que razonan y actúan con LangGraph 01:30:00
- Cuestionario práctico: ReAct: Integración del razonamiento y la acción 00:20:00
- Resumen y aspectos destacados 00:02:00
- Hoja de trucos: Construir agentes auto-mejorables con LangGraph 00:20:00
- Cuestionario graduado: Construir agentes auto-mejorables con LangGraph 00:20:00
- Diseñar flujos de trabajo de agentes de IA con CrewAI 00:09:15
- Lab: CrewAI 101 : Creación de sistemas de IA multiagente 00:45:00
- Prueba práctica: Introducción a CrewAI 00:20:00
- CrewAI con salidas estructuradas, YAML y clases CrewBase 00:09:33
- Laboratorio: Crear un planificador estructurado de comidas y comestibles con CrewAI 00:45:00
- Lectura: Salidas estructuradas en CrewAI 00:06:00
- Cuestionario práctico: Salidas estructuradas en CrewAI 00:20:00
- Ampliación de CrewAI con funciones personalizadas 00:07:27
- Laboratorio: Agentes con herramientas frente a tareas con herramientas en CrewAI 00:30:00
- Cuestionario práctico: Funciones y CrewAI 00:20:00
- Laboratorio: Construye tu propio entrenador nutricional de IA utilizando un sistema multiagente y una IA multimodal 01:00:00
- Resumen y aspectos destacados 00:01:00
- Hoja de trucos: Fundamentos y aplicaciones avanzadas de CrewAI 00:15:00
- Cuestionario graduado: Fundamentos y aplicaciones avanzadas de CrewAI 00:20:00
Comparte esta certificación.
Información del Curso
240 Horas Curriculares
24 Créditos Académicos
Accede por tu Smartphone
Certificado oficial SEP
Aprendizaje especializado
Contenido de la Certificación
Aprende a construir sistemas con Recuperación Aumentada por Generación (RAG) y agentes con IA generativa.
Cubre arquitectura y patrones de RAG, evaluación y monitoreo, y el diseño de agentes encargados de tareas.
Practicarás orquestación, herramientas, prompts y buenas prácticas de seguridad y ética.
Incluye laboratorios con watsonx y otros ecosistemas.
• Diseño de RAG: indexación, chunking, recuperación y generación.
• Evaluación, grounding y mitigación de alucinaciones.
• Diseño de agentes, herramientas y planificación.
• Observabilidad, seguridad y prácticas responsables.
CURSO 1: Fundamentos de GenAI, RAG y agentes —
• Casos de uso, componentes y arquitectura base.
CURSO 2: Construcción de pipelines RAG —
• Ingesta, embeddings, búsqueda y generación.
CURSO 3: Evaluación y mejora —
• Métricas (fidelidad, precisión, cobertura) y safety.
CURSO 4: Agentes y herramientas —
• Planificación, tool‑use, memoria y recuperación.
CURSO 5: Observabilidad y despliegue —
• Monitoreo, costos, seguridad y MLOps.
CURSO 6: Proyecto integrador —
• Implementación end‑to‑end con evaluación.
