Centro de Consultoría y Educación Continua

Bootcamp en Inteligencia Artificial Avanzado

Presentación

El Bootcamp de Inteligencia Artificial – Nivel Avanzado está orientado a la construcción de soluciones de IA generativa capaces de evolucionar desde una interacción bien diseñada con modelos de lenguaje hasta arquitecturas escalables, seguras y gobernadas. La ruta inicia con fundamentos de GPT, prompt engineering y diseño de asistentes mediante mensajes de sistema; continúa con la integración de GPT en flujos automatizados y herramientas low-code; avanza hacia agentes inteligentes con memoria, herramientas y arquitecturas RAG; y culmina con el diseño por capas, la seguridad, la observabilidad y la gobernanza de soluciones de IA generativa. El enfoque articula fundamentos conceptuales con aplicación práctica para transformar necesidades organizacionales en soluciones funcionales, trazables y reutilizables. A lo largo del bootcamp, los participantes desarrollarán progresivamente un proyecto integrador que conecta asistentes, automatizaciones, agentes y mecanismos de control, con énfasis en criterios de escalabilidad, mantenibilidad, protección de datos y uso responsable de la inteligencia artificial.

Dirigido

Profesionales, consultores, analistas, líderes y personas con experiencia previa en el uso de inteligencia artificial que deseen avanzar hacia el diseño de soluciones de IA generativa aplicadas a contextos organizacionales. Se recomienda contar con bases en herramientas digitales, automatización o análisis de información; no se requiere ser programador experto, pero sí disposición para comprender conceptos técnicos, integrar herramientas y resolver problemas mediante IA.

Imagen dirigido
Imagen metodología

Metodología

El bootcamps ofrecen una experiencia de formación práctica que combina sesiones sincrónicas, trabajo autónomo y acompañamiento experto. A través de laboratorios, casos y retos, aplicarás lo aprendido y desarrollarás un proyecto integrador orientado a resolver una necesidad del entorno laboral. Además, contarás con espacios para fortalecer tu perfil y orientar tu proyección profesional.

¿Cómo se distribuyen las 159 horas?

  • Sesiones de inmersión 32 horas: Encuentros sincrónicos con docentes para comprender los conceptos, explorar herramientas y desarrollar habilidades mediante la interacción y la práctica guiada.
  • Recursos de aprendizaje 16 horas: Materiales digitales disponibles en la plataforma para profundizar en los contenidos, consultar ejemplos y avanzar de manera autónoma.
  • Mentorías 16 horas. Acompañamiento experto para resolver dudas, fortalecer habilidades y orientar la aplicación de los conocimientos en el proyecto integrador.
  • Actividades de aprendizaje 24 horas: Ejercicios, laboratorios, estudios de caso y retos prácticos que te permitirán afianzar lo aprendido y recibir retroalimentación durante el proceso.
  • Proyecto integrador 64 horas: Desarrollo de una solución para un reto aplicado, en la que integrarás los conocimientos y las habilidades adquiridos durante el bootcamp.
  • Reconversión laboral 7 horas: Espacios con expertos del sector productivo para fortalecer tu perfil profesional, mejorar tu hoja de vida, prepararte para entrevistas y reconocer oportunidades laborales.
imagen horarios

Horario

Horario

Las sesiones se desarrollaran los días viernes de 5:00 p.m. a 9:00 p.m. y sábados de 8:00 a.m. a 12:00 p.m.

Nota: Para obtener la certificación del bootcamp, los participantes deberán asistir a todas las sesiones sincrónicas de inmersión y participar en los encuentros programados con los mentores. Estos espacios permitirán compartir avances, recibir retroalimentación y fortalecer su proceso formativo. Asimismo, se requiere completar y entregar las actividades de aprendizaje, y presentar y aprobar el proyecto integrador. Las fechas de entrega y los criterios de evaluación se compartirán al inicio de la ruta formativa.

En caso de fuerza mayor, la Universidad se reserva el derecho de cambio en los docentes y fechas programadas, antes y durante la ejecución del curso. Estos cambios serán informados oportunamente a los participantes.

Ubicación

Online

Objetivos

Diseñar e integrar soluciones avanzadas de inteligencia artificial generativa mediante técnicas de prompt engineering, automatización de flujos, agentes inteligentes, arquitecturas RAG y principios de arquitectura y gobernanza, orientadas a la construcción de sistemas funcionales, escalables, seguros, trazables y aplicables a contextos organizacionales.

  • Diseñar asistentes basados en modelos de lenguaje mediante técnicas avanzadas de prompt engineering, mensajes de sistema y criterios de evaluación de respuestas.

  • Integrar GPT en flujos automatizados mediante APIs y herramientas low-code, incorporando lógica condicional, manejo de errores, seguridad y monitoreo.

  • Construir agentes inteligentes con herramientas, memoria y arquitecturas RAG, definiendo niveles de autonomía controlada y criterios de evaluación.

  • Estructurar soluciones de IA generativa mediante arquitecturas modulares y principios de gobernanza, seguridad, observabilidad y control de calidad.

Imagen logros

Contenido del curso

Módulo 1: Técnicas Avanzadas de Prompts y Uso de GPT

Detalle del módulo:

Profundiza en los fundamentos de los modelos de lenguaje y en el diseño de interacciones efectivas con GPT. Desarrolla técnicas de prompt engineering, mensajes de sistema y perfiles inteligentes para construir asistentes coherentes, útiles y alineados con tareas profesionales.

  • ¿Qué es GPT y cómo funciona?.
  • Tokens, embeddings y mecanismo de atención.
  • Limitaciones y consideraciones éticas.
  • Principios de Prompt Engineering.
  • Intención, contexto y formato esperado.
  • Iteración estructurada y buenas prácticas.
  • Diseño de perfiles inteligentes con GPT.
  • Mensajes de sistema.
  • Plantilla de diseño de un asistente GPT.
  • Evaluación de coherencia del asistente.
Detalle del módulo:

Integra GPT en procesos automatizados mediante herramientas low-code y APIs. Aborda el diseño de flujos reutilizables, lógica condicional, conexión entre sistemas y prácticas de manejo de errores, seguridad y monitoreo para transformar asistentes aislados en componentes funcionales de una arquitectura de IA.

  • Flujos automatizados y microcomponentes de proceso (MCP).
  • Triggers, acciones y lógica condicional.
  • Comparación de herramientas low-code: Zapier, Make y n8n.
  • Integración de GPT en flujos automatizados.
  • Conexión mediante API y solicitudes HTTP.
  • Headers de autorización y JSON.
  • Estructura de prompts en automatizaciones.
  • Control de tokens y temperatura.
  • Validación de entradas y salidas.
  • Manejo de errores y validaciones.
  • Seguridad y ética en flujos con IA.
  • Monitoreo básico y logging.
Detalle del módulo:

Explora agentes capaces de razonar, utilizar herramientas y tomar decisiones dentro de límites definidos. Integra arquitecturas RAG para recuperar información externa, autonomía controlada y criterios de evaluación y auditoría que permitan desarrollar soluciones más precisas y confiables en contextos profesionales.

  • Fundamentos de agentes inteligentes.
  • Tipos de agentes y frameworks.
  • Herramientas y funciones para agentes.
  • Introducción a RAG (Retrieval-Augmented Generation).
  • Limitaciones de un LLM sin contexto externo.
  • Flujo base de una arquitectura RAG.
  • Anatomía de un agente con RAG en producción.
  • Diseño de autonomía, límites y control.
  • Política de acción y manejo de condiciones.
  • Conflictos entre reglas y prioridades.
  • Chunking, embeddings y consultas semánticas.
Detalle del módulo:

Consolida los componentes desarrollados durante el nivel avanzado en una arquitectura integral de IA generativa. Aborda modelos arquitectónicos, diseño por capas, flujos gobernados, seguridad, protección de datos, observabilidad y control de calidad para evolucionar prototipos hacia soluciones escalables, mantenibles y responsables.

  • Arquitectura de soluciones con IA generativa.
  • Arquitecturas monolíticas, microservicios y flujos orquestados.
  • Diseño por capas y anatomía de una solución integral.
  • Principios de arquitectura limpia en IA.
  • Flujos gobernados con n8n.
  • Criterios para elegir una arquitectura.
  • Gobernanza en soluciones de IA generativa.
  • Control de acceso, trazabilidad, monitoreo y auditoría.
  • Riesgos comunes y enfoque risk-by-design.
  • Seguridad y protección de datos.
  • Observabilidad y control de calidad.
  • Proyecto integrador de solución de IA generativa.
s