IA Generativa para Programadores
(*) UCEMAx se reserva el derecho de actualizar el monto de los programas y de las cuotas debido al contexto inflacionario imperante como así también cuando el aumento de los costos de la universidad así lo requieran.
¿Por qué este programa es importante?
La inteligencia artificial generativa está transformando la forma en que se desarrollan productos digitales, desde asistentes conversacionales hasta generadores de código, sistemas de recomendación y herramientas creativas.
Este curso ofrece a los programadores una visión profunda y práctica sobre cómo funcionan los modelos generativos, cómo se integran a través de APIs y cómo diseñar sistemas que los utilicen eficazmente.
Entender el funcionamiento interno de los modelos LLM, sus capacidades, limitaciones y formas de interacción, permite construir soluciones más robustas, eficientes y alineadas con objetivos reales.
Además, el programa aborda un cambio clave en la forma de programar: cómo apalancarse en la IA generativa para desarrollar software de manera más rápida, creativa y productiva.
Se trabajará con el uso de copilotos de programación y enfoques modernos como el vibe coding, donde la interacción con modelos generativos se convierte en parte activa del proceso de diseño, exploración y construcción del código.
El foco no está en “delegar” todo el desarrollo a la IA, sino en aprender a colaborar con ella: escribir mejores prompts técnicos, validar resultados, refactorizar, explorar alternativas y acelerar el ciclo de desarrollo sin perder control ni criterio profesional.
¿Para quién es especialmente útil?
Este curso está dirigido a programadores, desarrolladores de software, analistas técnicos, profesionales del ecosistema digital y tecnológico, actores clave en la creación de experiencias digitales y equipos de innovación que quieran incorporar IA generativa en sus soluciones.
Es especialmente útil para quienes ya tienen experiencia básica en programación (al menos nivel junior) y desean aprender a trabajar con modelos como GPT, Claude, Mistral o Gemini, ya sea desde APIs comerciales o con modelos open source.
También es relevante para profesionales técnicos que estén evaluando el impacto de la IA generativa en sus productos o procesos y quieran comprender cómo diseñar, probar y desplegar soluciones basadas en LLM, así como integrar la IA de forma efectiva en su flujo diario de desarrollo de software.
Plan de estudios
Contenidos
1) Fundamentos de Modelos LLM y de la IA Generativa
Modelos LLMTokenización. Embeddings. Ventana de contexto. Arquitectura Transformer. Atención. Codificadores y decodificadores. Aprendizaje supervisado. Fine-tuning. Instruction tuning. Prompting como forma de programación.
2) Acceso a Modelos Generativos vía API y Prompt Engineering Multiplataforma
OpenAI API. Google Vertex AI. AWS Bedrock. Parámetros clave en la llamada al modelo. Formato de entrada y salida. Prompting estructurado. Few-shot prompting. Zero-shot prompting.
3) Desarrollo con Modelos LLM de Código Abierto
LLAMA. Mistral. Modelos disponibles en Hugging Face. Comparación con modelos comerciales. Carga local y uso en GPU. Multimodalidad. Fine-tuning local. LangChain. Integración con otras herramientas.
4) Aplicaciones Productivas, Costos y Despliegue en la Nube
Escalabilidad. Costos por token. Latencia. Seguridad. Prompt injection. Evaluación de riesgos. Despliegue en Azure, GCP y AWS. Versionado de prompts.
5) Diseño de Agentes con LLM y Automatización de Flujos
Agentes basados en LLM. Interacción con herramientas externas. Llamadas a APIs. LangChain. LangGraph. Arquitectura ReAct. Toolformer. Memoria. Planificación. Razonamiento encadenado.
6) Prompt Engineering para Tareas Especializada
Extracción de información. Clasificación. Análisis semántico. Razonamiento lógico. Generación estructurada. Generación de código. Chain-of-thought prompting. Zero-Shot-CoT. Diseño modular de prompts.
7) Evaluación y Optimización de Prompts
Métricas automáticas. Evaluación con LLMs. Pruebas A/B. Interpretabilidad. Prompt debugging. Robustez. Ambigüedad y sensibilidad. Tuning iterativo. Detección de alucinaciones.
8) Prácticas Avanzadas y Desarrollo de Casos Integradores
Prompt chaining. Sub-prompts. Árboles de decisión con prompts. Casos integradores paso a paso. LangChain aplicado. Diseño de flujos complejos. Evaluación automática. Buenas prácticas finales. Trazabilidad. Observabilidad con Langfuse.
Carga horaria y modalidad
20 horas durante 8 semanas (2 horas y media por semana)
Modalidad: Virtual (clases sincrónicas + actividades opcionales asincrónicas)
Medios de pago
Las facturas se reciben y se abonan ingresando en la sección MIS FACTURAS desde el portal UCEMA
- Para abonar la factura, simplemente hace clic en el botón de pago ubicado en el margen derecho de la página.
- Serás redirigido automáticamente a la página de Mercado Pago.
- En Mercado Pago, podrás elegir tu medio de pago preferido: dinero en cuenta, tarjeta de débito o tarjeta de crédito.
- Si realizas un pago desde el exterior, asegúrate de que tu tarjeta de crédito sea INTERNACIONAL.