De principiante a avanzado
Dominar la ingeniería de avisos para soluciones de IA
Certificado con validez SEPA través del Gobierno del Estado de México
12 meses de acceso
En línea · 144 h
100% autodidacta
10 unidades
Nivel intermedio
Modalidad
Así estudias: curso autodidacta
- Autodidacta y 100% en línea: contenido disponible 24/7.
- Avanzas a tu ritmo: la plataforma guarda tu progreso.
- Sin tutor ni clases en vivo: el curso está diseñado para estudiarse por tu cuenta.
- Te evalúas con actividades automáticas, sin entregas a un tutor.
Qué aprenderás
Lo que serás capaz de hacer
¡Esta Especialización cuenta con Coursera Coach! Una forma más inteligente de aprender con conversaciones interactivas en tiempo real que te ayudan a poner a prueba tus conocimientos, cuestionar supuestos y profundizar en tu comprensión a medida que progresas. Dominarás la ingeniería de instrucciones y trabajarás con grandes modelos de lenguaje (LLM). Empezando por lo más básico, aprenderá a crear herramientas de IA, diseñar avisos y comprender los mecanismos de los LLM utilizando modelos OpenAI y Anthropic. El viaje comienza con la configuración de su entorno y el aprendizaje de la biblioteca OpenAI Python. A continuación, construirás herramientas potenciadas por IA como un generador de mensajes de commit de Git y un revisor de código de IA, reforzando conceptos como la gestión de las respuestas del modelo, el control de la salida y el manejo de los costes. Esta Especialización es ideal para cualquier persona interesada en la IA y el aprendizaje automático. Conocimientos básicos de Python son útiles. Al final, serás capaz de elaborar mensajes eficaces, diseñar herramientas de IA y crear aplicaciones de IA en el mundo real.
- Domina las técnicas esenciales para diseñar prompts de forma eficaz con los modelos de lenguaje a gran escala (LLM).
- Desarrollar e implementar herramientas funcionales de inteligencia artificial utilizando modelos de OpenAI y Anthropic.
- Adquiere experiencia práctica con aplicaciones y proyectos reales de inteligencia artificial.
- Comprender y controlar los parámetros clave que determinan el comportamiento y las respuestas de la IA.
Habilidades que desarrollarás
Ingeniería de prompts
Patrones de prompts
Optimización de tokens
Aplicaciones con LLM
Llamada a herramientas
API de OpenAI
OpenAI
Modelos de lenguaje extensos
Autenticaciones
IA generativa
Revisión de código
Mantenibilidad
Integraciones de AI
Interfaz de línea de comandos
Interfaz de programación de aplicaciones (API)
Alfabetización en IA
Documentación de software
Gestión de claves
Entorno de desarrollo
JSON
Temario
UNIDAD 1 - Primeros pasos con Prompt Engineering · 8 leccionesCimientos de ingeniería Prompt - UNIDAD 1 - Primeros pasos con Prompt Engineering
UNIDAD 1 - Primeros pasos con Prompt Engineering · 8 lecciones
Cimientos de ingeniería Prompt - UNIDAD 1 - Primeros pasos con Prompt Engineering
- Introducción al curso 'Fundamentos de ingeniería Prompt'
- Recursos de Especialización Completa
- Bienvenida y visión general del curso
- El valor de la prontitud en ingeniería
- Establecer expectativas
- Presentación del proyecto de curso
- Explorar los módulos del proyecto
- Resumen de los costes de la API de OpenAI
UNIDAD 2 - Configuración de su entorno de desarrollo · 6 leccionesCimientos de ingeniería Prompt - UNIDAD 2 - Configuración de su entorno de desarrollo
UNIDAD 2 - Configuración de su entorno de desarrollo · 6 lecciones
Cimientos de ingeniería Prompt - UNIDAD 2 - Configuración de su entorno de desarrollo
- Resumen de la sección
- Configuración del entorno Python local
- Configuración de la cuenta y las claves de OpenAI
- Configuración de la cuenta y las claves de Anthropic
- Configuración de Python y claves API para OpenAI y Anthropic
- Configuración del entorno de desarrollo - Evaluación
UNIDAD 3 - Curso acelerado de la biblioteca Python de OpenAI · 13 leccionesCimientos de ingeniería Prompt - UNIDAD 3 - Curso acelerado de la biblioteca Python de OpenAI
UNIDAD 3 - Curso acelerado de la biblioteca Python de OpenAI · 13 lecciones
Cimientos de ingeniería Prompt - UNIDAD 3 - Curso acelerado de la biblioteca Python de OpenAI
- Resumen de la sección
- Configuración del entorno
- Gestión segura de la autenticación de API
- Realización de la primera llamada API a un modelo de chat
- Simplificación de las llamadas LLM con LiteLLM
- Conexión con modelos antrópicos a través de LiteLLM
- Comprender y analizar la respuesta de la API
- Control de la creatividad y la duración con temperatura y max_tokens
- Ajuste fino de la salida con stop, n y response_format
- Implementación de respuestas en tiempo real con streaming
- Cómo ejecutar localmente grandes modelos lingüísticos con Ollama
- Comparación entre las llamadas a la API de tipo «blocking» y las de tipo «streaming» con OpenAI y lightLLM
- Curso acelerado de la biblioteca Python de OpenAI - Evaluación
UNIDAD 4 - Módulo de proyecto nº 1: Creación de la base de la AI Toolbox · 11 leccionesCimientos de ingeniería Prompt - UNIDAD 4 - Módulo de proyecto nº 1: Creación de la base de la AI Toolbox
UNIDAD 4 - Módulo de proyecto nº 1: Creación de la base de la AI Toolbox · 11 lecciones
Cimientos de ingeniería Prompt - UNIDAD 4 - Módulo de proyecto nº 1: Creación de la base de la AI Toolbox
- Visión general y objetivos del módulo
- Creación de la estructura inicial del proyecto
- Una visita guiada por el Código Starter
- Creación de la interfaz de línea de comandos con Click
- Implementación de un "Hola Mundo" potenciado por IA
- Cómo escribir la primera prueba de la función de IA
- Estructuración y mejora de un proyecto moderno de interfaz de línea de comandos (CLI) de IA en Python
- Conclusión del curso "Fundamentos de ingeniería Prompt
- Módulo de proyecto nº 1: Creación de la base de herramientas de IA - Evaluación
- Evaluación práctica del curso completo
- Evaluación completa del curso
UNIDAD 5 - Conceptos fundamentales: el funcionamiento interno de los modelos de lenguaje grandes (LLM) · 17 leccionesConstruye con LLMs: Prompt Engineering y proyectos reales de IA - UNIDAD 5 - Conceptos fundamentales: el funcionamiento interno de los modelos de lenguaje grandes (LLM)
UNIDAD 5 - Conceptos fundamentales: el funcionamiento interno de los modelos de lenguaje grandes (LLM) · 17 lecciones
Construye con LLMs: Prompt Engineering y proyectos reales de IA - UNIDAD 5 - Conceptos fundamentales: el funcionamiento interno de los modelos de lenguaje grandes (LLM)
- Introducción al curso «Crear con modelos de lenguaje grande (LLM): ingeniería de prompts y proyectos reales de IA»
- Recursos de Especialización Completa
- Resumen de la sección
- Entender la tokenización
- Práctica de laboratorio: Introducción a la tokenización
- Práctica de laboratorio: Conceptos avanzados de tokenización
- El papel de las probabilidades logarítmicas en la generación de texto
- Práctica de laboratorio: Simulación de la generación de oraciones
- La ventana de contexto y sus limitaciones
- Componentes clave de los costes de uso de las API
- Práctica de laboratorio: Cálculo de los costes del API
- Práctica de laboratorio: Análisis avanzado de costes
- Exploración de diferentes clases de modelos de lenguaje
- La importancia de los roles de sistema, de usuario y de asistente
- Taller práctico: Cómo elaborar indicaciones de sistema eficaces
- Análisis de la tokenización, los roles y el coste en las conversaciones con modelos de lenguaje grandes (LLM)
- Conceptos fundamentales: El funcionamiento interno de los modelos de lenguaje a gran escala (LLM) - Evaluación
UNIDAD 6 - Patrones fundamentales de ingeniería de prompts · 20 leccionesConstruye con LLMs: Prompt Engineering y proyectos reales de IA - UNIDAD 6 - Patrones fundamentales de ingeniería de prompts
UNIDAD 6 - Patrones fundamentales de ingeniería de prompts · 20 lecciones
Construye con LLMs: Prompt Engineering y proyectos reales de IA - UNIDAD 6 - Patrones fundamentales de ingeniería de prompts
- Resumen de la sección
- La anatomía de una consigna: instrucciones, contexto y limitaciones
- Práctica de laboratorio: Creación de una indicación estructurada
- Uso de delimitadores para estructurar las indicaciones
- Reestructuración de una indicación con delimitadores
- Práctica de laboratorio: Cómo utilizar los delimitadores de forma eficaz
- Definición de perfiles de usuario para respuestas personalizadas
- Práctica de laboratorio: Implementación del patrón «Persona»
- Taller práctico: Establecimiento de unas pautas de comportamiento claras para la IA
- Caso práctico: Creación de un perfil de administrador de bases de datos
- Mejora de la precisión mediante el uso de indicaciones con pocos ejemplos
- Práctica de laboratorio: Implementación de ejemplos «few-shot»
- Estrategias para controlar el formato de salida
- Técnicas avanzadas de formato de salida
- Fomentar el razonamiento mediante la cadena de pensamiento
- Práctica de laboratorio: aplicación de las indicaciones basadas en la cadena de pensamiento
- Organización de la información con el patrón de plantilla
- Práctica de laboratorio: Creación y uso de plantillas de indicaciones
- Dominar los patrones básicos de las indicaciones CORE y la salida estructurada
- Patrones básicos de ingeniería de prompts: evaluación
UNIDAD 7 - Módulo del proyecto n.º 2: Mensajes de commit en Git generados por IA · 15 leccionesConstruye con LLMs: Prompt Engineering y proyectos reales de IA - UNIDAD 7 - Módulo del proyecto n.º 2: Mensajes de commit en Git generados por IA
UNIDAD 7 - Módulo del proyecto n.º 2: Mensajes de commit en Git generados por IA · 15 lecciones
Construye con LLMs: Prompt Engineering y proyectos reales de IA - UNIDAD 7 - Módulo del proyecto n.º 2: Mensajes de commit en Git generados por IA
- Visión general y objetivos del módulo
- Configuración del código base para la función «Commit»
- Obtención de diferencias de Git mediante programación
- Diseño de plantillas de indicaciones para mensajes de confirmación
- Desarrollo de la lógica CORE para las confirmaciones de IA
- Añadir un paso de revisión y edición por parte del usuario
- Mejora del conjunto de pruebas para la función «Commit»
- Integración de un sistema de registro robusto
- Activación de la selección de modelos a través de la CLI
- Documentación sobre la función «Smart Commit»
- Implementación de un comando «commit» interactivo basado en IA
- Conclusión del curso «Crear con modelos de lenguaje grande (LLM): ingeniería de prompts y proyectos reales de IA»
- Módulo del proyecto n.º 2: Mensajes de commit en Git generados por IA - Evaluación
- Evaluación práctica del curso completo
- Evaluación completa del curso
UNIDAD 8 - Dominar la ingeniería avanzada de prompts · 15 leccionesPreguntas avanzadas y herramientas de IA - UNIDAD 8 - Dominar la ingeniería avanzada de prompts
UNIDAD 8 - Dominar la ingeniería avanzada de prompts · 15 lecciones
Preguntas avanzadas y herramientas de IA - UNIDAD 8 - Dominar la ingeniería avanzada de prompts
- Introducción al curso "Prompting avanzado y herramientas de IA
- Recursos de Especialización Completa
- Resumen de la sección
- Práctica de laboratorio: El patrón «Flip the Script»
- Laboratorio práctico: "Aplicaciones de patrones "Flip the Script
- Laboratorio práctico: Utilización de la IA para generar avisos
- Laboratorio práctico: Perfeccionamiento de las instrucciones generadas por IA
- Práctica de laboratorio: Desglose de tareas complejas mediante la descomposición
- Taller práctico: Mejorar las respuestas mediante la autocrítica
- Práctica de laboratorio: Introducción a la llamada a funciones
- Práctica de laboratorio: Llamadas a funciones avanzadas
- Práctica de laboratorio: Introducción a la autoconsistencia
- Práctica de laboratorio: Resumen sobre la autoconsistencia
- Dominar los patrones de ingeniería de prompts con los modelos de lenguaje grande (LLM)
- Dominar la ingeniería avanzada de prompts - Evaluación
UNIDAD 9 - Módulo del proyecto n.º 3: Creación de un revisor de código basado en IA · 22 leccionesPreguntas avanzadas y herramientas de IA - UNIDAD 9 - Módulo del proyecto n.º 3: Creación de un revisor de código basado en IA
UNIDAD 9 - Módulo del proyecto n.º 3: Creación de un revisor de código basado en IA · 22 lecciones
Preguntas avanzadas y herramientas de IA - UNIDAD 9 - Módulo del proyecto n.º 3: Creación de un revisor de código basado en IA
- Visión general y objetivos del módulo
- Revisión del plan de implementación del módulo
- Reestructuración para utilizar la biblioteca GitPython
- Mejora de la gestión de excepciones
- Creación del código base para el comando «Review»
- Uso de clases de datos para datos estructurados
- Añadir el comando «Review» a la CLI
- Diseño de indicaciones para comprobaciones lógicas y sintácticas
- Ejecución de la lógica CORE de revisión de la IA
- Creación de perfiles de expertos para un análisis más profundo del código
- Creación de un flujo de trabajo de autoconsistencia para las revisiones
- Finalización de la implementación de la autoconsistencia
- Definición de herramientas externas para el revisor
- Creación de un registro básico de herramientas
- Completar el registro de herramientas
- Resolución de errores de tipado estático
- Creación del bucle inicial de llamada a la herramienta de IA
- Perfeccionamiento de la lógica de llamada a herramientas
- Creación de pruebas para la función de llamada a herramientas
- Incorporación de una fase de autocrítica al proceso de revisión
- Diseño de flujos de trabajo de revisión de código con IA para múltiples perfiles
- Módulo del proyecto n.º 3: Creación de un revisor de código basado en IA - Evaluación
UNIDAD 10 - Módulo del proyecto n.º 4: Resultados estructurados y finalización · 17 leccionesPreguntas avanzadas y herramientas de IA - UNIDAD 10 - Módulo del proyecto n.º 4: Resultados estructurados y finalización
UNIDAD 10 - Módulo del proyecto n.º 4: Resultados estructurados y finalización · 17 lecciones
Preguntas avanzadas y herramientas de IA - UNIDAD 10 - Módulo del proyecto n.º 4: Resultados estructurados y finalización
- Visión general y objetivos del módulo
- Inicio de la migración a la salida estructurada
- Reestructuración del módulo de revisión para facilitar su mantenimiento
- Cómo solucionar los fallos en las pruebas tras una refactorización
- Actualización de las instrucciones para generar resultados en formato JSON
- Modificación de pruebas para validar la salida JSON
- Adaptación del proceso para utilizar clases de datos
- Continuación de la migración de Dataclass
- Finalización de la migración del proceso
- Detección y corrección de errores menores
- Corrección de los fallos restantes en las pruebas
- Creación del analizador de salida JSON
- Toques finales: lógica de síntesis y documentación
- Conclusión del curso «Técnicas avanzadas de generación de indicaciones y herramientas de IA»
- Módulo del proyecto n.º 4: Resultados estructurados y finalización - Evaluación
- Evaluación práctica del curso completo
- Evaluación completa del curso
Certificado oficial
Certificado con validez SEP: 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
10 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
15 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
- Certificado SEP incluido (sin costo). 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 Packt.
- 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.
- 10 unidades · 144 lecciones · 144 h
- 12 meses de acceso
- 15 cuestionarios de evaluación
- Certificado SEP incluido (sin costo), 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 Packt; 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.
¿El curso tiene validez SEP?
Sí, incluido sin costo. Al completar el curso recibes un certificado emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
¿El curso tiene tutor o clases en vivo?
No. Es un curso autodidacta: estudias por tu cuenta, a tu ritmo, sin tutor ni sesiones en vivo.
¿Cómo se evalúa?
Te evalúas con actividades automáticas, sin entregas a un tutor.
