Domina Python, OpenAI, LangChain y LangGraph. Crea sistemas multiagente avanzados y despliega en GCP. Automatiza con n8n y Make para innovar con soluciones de IA conversacional de élite. ¡Lidera la revolución de la inteligencia artificial!
Exploración de los componentes de Llama Index Core
50
Módulo 5 - LLM's Crew AI Agentic Framework
59
Sesión 1 - Introducción a Framework de Agentes con CrewAI
60
Fundamentos de los frameworks de agentes (Agentics frameworks)
61
Módulo 6 - Agentic Low Code with n8n (RAG)
75
Sesión 1 - Construcción de Agentes RAG con n8n
76
Fundamentos de n8n: Introducción a la automatización Low-Code y la creación de Agentes activados por Webhooks
77
Módulo 7 - LLM's Monitoring & Security con LangFuse
80
Sesión 1. Conceptos de Seguridad en LLM's
81
Identificación de vulnerabilidades en LLM's
82
Módulo 8 - Taller de Agente IA de Voz in Real Time
90
Sesión 1. Construcción de Agentes de Voz en Tiempo Real
91
Introducción a los agentes de IA de voz
92
Módulo 9 - Proyecto Integrador (end to end)
95
Sesión 1. Desarrollo de un Proyecto End-to-End
96
Fase 1 - Arquitectura: Definición y despliegue de la arquitectura LLM's
97
👨🏫 Profes del curso
Conoce quién enseña el curso
Kevin Inofuente
Pesquisador en Algoritmos Generativos de Gestos
Líder en Inteligencia Artificial y Consultoría de Negocios. Especialista en IA Generativa, arquitectura de datos y optimización de procesos mediante tecnología de vanguardia.
Academy Accreditation - Generative AI Fundamentals
Integra Claude Code con Next.js 15, Supabase RLS y flujos RAG sobre pgvector para construir SaaS de IA seguros y escalables, posicionándote como desarrollador capaz de lanzar productos inteligentes listos para cliente final.
Trabaja con Azure OpenAI, PromptFlow, AI Search, Vision, Voice y Cosmos DB para diseñar aplicaciones generativas seguras end-to-end, alineadas a compliance corporativo y listas para adopción masiva.
Domina Antigravity, Gemini API y MCP para crear Agentic AI con orquestación multiagente, integrando React, REST APIs y despliegue en Vercel, y pasa de desarrollar apps clásicas a diseñar software verdaderamente inteligente.
Domina n8n con IA para orquestar flujos complejos que integran WhatsApp, Gmail, Drive y microagentes inteligentes, creando chatbots y sistemas multiagente listos para producción que multiplican tu capacidad operativa sin aumentar equipo.
4.84,387+6h
❓ Preguntas frecuentes
¿Tienes dudas? Las resolvemos
Todo lo que necesitas saber antes de inscribirte
¿Las clases quedan grabadas?
Sí. Todas las clases quedan grabadas y disponibles 24/7 para que aprendas a tu propio ritmo, sin perderte nada. Tendrás acceso completo al material y a todas las grabaciones durante 12 meses desde tu inscripción.
¿Ofrecen pagos en cuotas?
Sí. Contamos con opciones de pago fraccionado en cuotas mensuales para que puedas empezar hoy mismo. Al inscribirte, elige el plan que mejor se ajuste a ti y comienza tu transformación profesional sin esperas.
¿Qué tipo de certificación obtengo?
Al completar el programa recibirás una certificación oficial DataPath que avala tus habilidades ante empleadores y clientes. Es un certificado reconocida en la industria de datos que potencia tu perfil y te diferencia en el mercado laboral de LATAM.
¿Ofrecen descuentos para estudiantes?
Sí. Ofrecemos descuentos exclusivos para estudiantes universitarios con precios especiales en nuestros programas. Escríbenos por WhatsApp para conocer las condiciones y promociones vigentes.
Integración y Procesamiento: Conexión con LLM's de diferentes proveedores (GCP, Azure, AWS) y uso de frameworks como LangChain y Llama Index (Open Source solo para Conceptos)
9
Monitoreo y Seguridad: Implementación de caché, logs, encriptación y estrategias contra vulnerabilidades en LLM's
10
Taller Práctico: Definir desde cero la arquitectura de una solución basada en LLM's: Qdrant o Supabase en su modo gratuito, GCP para ADK.
11
Sesión 2 - Introducción a LLMOps
12
Definición y principios de LLMOps
13
Fases del ciclo de vida: Preparación de datos (Data Preparation) y seguridad en prompts
14
Automatización y Orquestación mediante el uso de Pipelines
15
Implementación de integración y despliegue continuo (CI & CD)
Exploración del Framework LangChain y sus componentes principales
19
Uso de plantillas de prompts (Prompt Templates) para estandarizar las interacciones
20
Implementación de caché para respuestas de LLM's (Caching LLM Responses).
21
Construcción de flujos de trabajo con Cadenas Simples (Simple Chains) y Secuenciales (Sequential Chains)
22
Implementación de Agentes con el framework ReAct
23
Carga y segmentación de documentos: Document Loaders y Chunking Techniques
24
Almacenamiento e indexación en bases de datos vectoriales (Vector Stores and Indexing)
25
Almacenamiento del historial de conversaciones con Firestore
26
Sesión 2 - Introducción a Embeddings, Bases de Datos Vectoriales y RAG
27
Conceptualización de Embeddings y su función en IA
28
Gestión de modelos de almacenamiento: Colecciones y Puntos
29
Técnicas de búsqueda por similitud vectorial (Vector Similarity Searches)
30
Implementación de sistemas de recuperación (Retrieval) con Qdrant, Pinecone y FAISS
31
Sesión 3 - Taller de Agentes Conversacionales multitool con LangChain
32
Proyecto n°1: Agente Conversacional de Whatsapp utilizando LangChain, RAG, EvolutionAPI, Chatwoot y FastAPI.
33
Implementación de EvolutionAPI por medio de Docker
34
La LLM del Agente discierne si se trata del tópico elegido
35
Si es el tópico elegido, entonces el agente hace un análisis del documento y lo lleva a Supabase
36
El RAG se hará con Supabase
37
Se conectará EvolutionAPI con el Agente (Backend) por medio de una API hecha con FastAPI
38
Sesión 4 - Optimización y Carga Masiva de Vectores
39
Creación de índices para optimización: Payload Indexes y Vector Indexes
40
Optimización de consultas y escalabilidad mediante algoritmos de re-rank
41
Taller Práctico: Realizar una carga masiva de datos y convertirlos a vectores en una base de datos
42
Taller Práctico: Optimizar los resultados de Qdrant aplicando algoritmos de re-rank
43
Sesión 5 - Taller de Agentes No Conversacionales con LangGraph
44
Proyecto n°2 End-to-End: Sistema Multiagente: Asistente de Investigación con LangGraph
45
Desarrollo de una interfaz utilizando Streamlit que me permita cargar PDF's
46
La LLM del Agente discierne si se trata del tótpico elegido
47
Si es el tópico elegido, entonces el agente hace un análisis del documento y lo lleva a Supabase
Implementación de Agentes con el framework ReAct
51
Uso de agentes con capacidad de llamar funciones (Function Calling Agent)
52
Carga, segmentación (Chunking) y almacenamiento de documentos en Vector Stores
53
Sesión 2 - Taller de Sistemas Multiagente con Llama Index
54
Proyecto n°3 End-to-End: Agente de Ventas y Soporte de Website por PopOut conectado con Chatwoot.
55
Creación de una Landing de Ventas (Website) con V0
56
Agente hecho con LlamaIndex y RAG con LlamaCloud
57
Integración con Firestore para almacenar el historial de chats
58
Agente con manejo de Tools Externas
Mecanismos clave de los agentes: Tool calling, memory, planning y reflexión
62
Introducción al framework CrewAI
63
Análisis de casos de uso: copilotos de negocio, asistentes de datos y call centers digitales
64
Sesión 2 - Frameworks Avanzados y Casos de Uso
65
Estudio del MCP Framework
66
Análisis del A2A Framework
67
Aplicación práctica en escenarios de negocio
68
Diseño de soluciones basadas en agentes para problemas específicos
69
Sesión 3 - Taller Práctico de Sistemas Multiagente
70
Preparación del entorno para el desarrollo con CrewAI
71
Taller Práctico: Construir un sistema multiagente conversacional que integre RAG y herramientas externas
72
Implementación de roles y tareas específicas para cada agente
73
Taller Práctico: Desarrollar un sistema basado en el MCP Framework
74
Proyecto n°4 End-to-End: Proyecto con MCP
Implementación de la Memoria del agente y conexión a una Base vectorial para la recuperación de información
78
Integración de Tools (herramientas externas) y uso de Parámetros dinámicos para flujos de trabajo flexibles
79
Taller Práctico: Construcción de un Sistema Multiagente Conversacional RAG que interactúa con herramientas externas usando n8n
Técnicas de ataque: Prompt Injections
83
Prevención de explotación de alucinaciones (Model Hallucination Exploits)
84
Estrategias para mitigar ataques de Jailbreaking
85
Sesión 2 - Taller de Observabilidad y Evaluación con LangFuse
86
Observabilidad y Trazabilidad: Monitoreo de trazas y logs (LLM's Log traces) de los LLM's
87
Gestión de Prompts: Control de versiones e implementación (Version control and deploy).
88
Evaluación: Medición de la calidad de las respuestas (Measure output quality) y testeo de cambios
89
Taller Práctico: Implementar observabilidad y trazabilidad con LangFuse sobre agentes RAG y multiagentes
Exploración de frameworks como Livekit y Deepgram
93
Diseño de un pipeline en tiempo real para procesar audio
94
Taller Práctico: Desarrollar un prototipo de agente de voz
Fase 2 - Datos y RAG: Carga de datos en una base de datos vectorial Qdrant y construcción de un sistema RAG con LangChain
98
Fase 3 - Orquestación: Automatización y orquestación del flujo de trabajo
99
Fase 4 - Monitoreo y Despliegue: Implementación de monitoreo con LangFuse y configuración de un pipeline CI/CD
Ernesto Laura Mamani
Generative AI Lead – Interseguro conpañía de Seguros
Líder en Inteligencia Artificial y Consultoría de Negocios. Especialista en IA Generativa, arquitectura de datos y optimización de procesos mediante tecnología de vanguardia.
Microsoft Certified: Azure Fundamentals
Ingeniería de datos con GCP DMC INSTITUTE
Jesus Mendez
Gerente de Inteligencia Artificial at Intercorp
Gerente de IA en Intercorp y co-fundador de datapath. Estratega con más de 10 años de experiencia transformando organizaciones mediante arquitecturas de datos escalables, inteligencia artificial y formación de talento tecnológico.
Eladio Yovera
Technical Data Leader - iDATA Global
Especialista en Data & Analytics con enfoque en Business Intelligence y Data Engineering. Experto en optimizar procesos y transformar datos complejos en soluciones estratégicas de negocio.
Microsoft Certified: Azure Fundamentals
Microsoft Certified: Fabric Analytics Engineer Associate Microsoft
Microsoft Certified: Fabric Data Engineer Associate
Daniel Melgarejo
Senior Data Governance & Strategy Consultant
Technical Solution Architect con más de 15 años de experiencia en Data y Analytics. Ex jefe BI de Claro América Móvil. Actualmente Consultor con amplia experiencia en Data Management, Data Governance, Seguridad de la información, desarrollo e implantación de soluciones BI & Big Data.
Reconocido por empresas LATAM
Sin fecha de expiración
Al completar el 100% del bootcamp
🤖 La Inteligencia Artificial está redefiniendo la forma en que diseñamos soluciones, y los Large Language Models (LLMs) son el corazón de esta transformación.
Acabo de culminar el curso “AI Engineer & LLM Developer”, donde profundicé en:
🔹 Fundamentos de Machine Learning y Deep Learning
🔹 Diseño y entrenamiento de Large Language Models (LLMs)
🔹 Integración de IA en aplicaciones empresariales con APIs y frameworks modernos
🔹 Buenas prácticas de ética, seguridad y despliegue responsable de modelos
Este aprendizaje me permite llevar la arquitectura cloud y la ingeniería de datos a un nuevo nivel, integrando IA generativa y agentes inteligentes en soluciones que combinan innovación con gobernanza.
🚀 La gran lección: no se trata solo de entrenar modelos, sino de diseñar experiencias inteligentes que generen confianza y valor real.
💡 ¿Qué aplicaciones de IA generativa están explorando ustedes en sus proyectos actuales?
hashtag#AI hashtag#LLM hashtag#MachineLearning hashtag#GenerativeAI hashtag#Innovation hashtag#ContinuousLearning datapath hashtag#datapath
Gracias profesor: Kevin Inofuente Colque 💯 🤓 🦾 👌
Jorge Alberto Pinilla Estupiñan
Arquitecto TI (Solutions | Software | Integration | Cloud)
Just completed the AI Data Engineer bootcamp from datapath (105 hours) 🎉
This training complements my generative AI expertise by deepening my understanding of the data infrastructure that powers AI systems, from ETL pipelines and real-time processing to DataOps and AI engineering fundamentals.
Key areas covered:
→ Data architecture & SQL for data engineering
→ ETL processes with Python
→ Big data processing (Hadoop, Spark, Kafka)
→ Real-time data pipelines
→ AI engineering foundations
Building AI solutions requires more than understanding models, it requires understanding how data flows, transforms, and scales. This program filled gaps in my data engineering knowledge that directly strengthen my AI delivery capabilities.
hashtag#AIEngineering hashtag#DataEngineering hashtag#GenerativeAI hashtag#ContinuousLearning hashtag#AIImplementation
Diego Morales Barrera
Generative AI | Data Science | Machine Learning
Completé un curso intensivo en hashtag#automatización con n8n en datapath.
Diseñar procesos automatizados con IA bien aplicados y correctamente gobernados permite mejorar la eficiencia operativa en negocios de hospitalidad.
Cuando se implementan con criterio, estas herramientas no sustituyen la experiencia humana; la potencian, al liberar tiempo que puede destinarse a un mejor trato, mayor personalización y una operación más consciente.
Sigo desarrollando estas capacidades como parte de una visión estratégica de largo plazo, donde tecnología y experiencia colaboran.
Academy Accreditation - Generative AI Fundamentals
Colegiatura CIP
On Demand
On Demand
On Demand✦NUEVO
On Demand
Microsoft Certified: Azure Fundamentals
Ingeniería de datos con GCP DMC INSTITUTE
Microsoft Certified: Fabric Analytics Engineer Associate Microsoft
Microsoft Certified: Fabric Data Engineer Associate
