Fundamentos de IA generativa y agentes en Databricks, en vivo y en español, como primer tramo hacia la certificación Generative AI Engineer Associate: 18 clases de 90 minutos, martes y jueves, en dos bloques (desde el 17 de noviembre y desde el 5 de enero), con laboratorios, un simulacro y dos insignias gratuitas de Databricks en el camino.
Es el mismo curso en ambas: cómpralo con un pago único, o tenlo incluido entrando a la comunidad AI Builders con el plan Premium. Tú eliges cómo pagarlo.
El plan Premium (US$ 59/mes) se cobra en dólares; el curso, en tu moneda local.
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.
Marco con ejemplos para identificar oportunidades de negocio de alto valor.
11
Cómo priorizar casos de uso: valor, viabilidad y riesgo.
12
Prompting básico: rol, instrucciones, contexto y formato de salida.
Gobierno de datos para IA con Unity Catalog y aplicaciones seguras: acceso y datos sensibles.
16
Alucinaciones: por qué ocurren y cómo se previenen aportando contexto y acotando la respuesta.
17
La IA generativa como motor de razonamiento de los agentes.
18
Repaso de los cinco objetivos de la insignia y el cuestionario: en inglés, 80 % para aprobar.
19
Logro 1 de 3: insignia gratuita Generative AI Fundamentals, con su guía, su simulacro en español y la demostración del registro en clase.
Cómo los agentes imitan el razonamiento humano para resolver tareas complejas.
23
Casos de uso reales de agentes en la empresa.
24
Cuándo conviene un agente y cuándo basta una llamada al modelo.
25
La insignia AI Agent Fundamentals: qué evalúa y cómo es el cuestionario (20 preguntas).
Ejemplos de flujos agénticos en casos empresariales.
29
Procesamiento de documentos y extracción de información (prerrequisito oficial).
30
De documentos no estructurados a datos que un agente puede usar.
31
Repaso con preguntas tipo cuestionario.
Construir y usar un agente en Databricks: demo de punta a punta.
35
Probar el agente con casos representativos y casos límite.
36
Repaso de los temas del cuestionario AI Agent Fundamentals.
37
El cuestionario: 20 preguntas, sin versión en español; estrategia y glosario.
38
Logro 2 de 3: insignia gratuita AI Agent Fundamentals, con su guía, su simulacro en español y la demostración del registro en clase.
El stack Mosaic AI de un vistazo: Foundation Model APIs, Vector Search, Agent Framework, MLflow, Model Serving, AI Gateway y Unity Catalog.
42
Cuándo basta el prompting y cuándo hace falta RAG (conocimiento propio, actualizado y con citas).
43
Cuándo fine-tuning (estilo o formato) y cuándo agentes con herramientas.
44
Trade-offs de costo, latencia, mantenimiento y frescura de datos.
Foundation Model APIs: pago por token frente a provisioned throughput, y external models vía AI Gateway.
48
Criterios de selección del modelo: capacidad, costo, latencia y ventana de contexto.
49
Estructura del prompt: rol, instrucciones, contexto recuperado y formato de salida.
50
Plantillas parametrizadas, few-shot y pedir citas en RAG.
Conservar metadatos (fuente, título, permisos) para filtrar y citar, y guardar en tablas Delta.
54
Por qué importa el chunking: tamaño y overlap.
55
Chunking por estructura frente a tamaño fijo, y su relación con la ventana de contexto.
56
Guardar cada chunk con la referencia a su documento de origen.
El mismo modelo de embeddings para indexar y para consultar.
60
Delta Sync Index (embeddings gestionados o propios) frente a Direct Vector Access Index.
61
Change Data Feed como requisito de sincronización; sincronización continua o activada.
62
Endpoint de Vector Search y filtrado por metadatos.
Envolver el índice como retriever de LangChain y devolver contenido más fuente para citar.
66
Flujo RAG: pregunta, recuperación, prompt con contexto, modelo y respuesta con citas.
67
Armar la cadena con LangChain, LlamaIndex o PyFunc usando ChatDatabricks.
68
Manejo del formato de salida.
Reescritura y expansión de la consulta.
72
Reranking y recuperación multipaso, y cuándo compensan su costo y latencia.
73
Robustez: timeouts, fallbacks de modelo y reintentos.
74
Validación y control de la salida.
Ejemplos de herramientas: consultar una tabla, calcular, llamar a una API interna.
78
Estructura de un agente en Agent Framework: retriever, herramientas y modelo.
79
El ciclo crear → registrar → evaluar → desplegar.
80
MLflow Tracing para inspeccionar cada paso del agente.
Model Registry en Unity Catalog: versiones y alias @champion / @challenger.
84
Permisos y linaje del modelo registrado.
85
Crear un serving endpoint: pago por token frente a provisioned throughput.
86
Scale-to-zero y latencia de arranque; healthchecks y credenciales.
AI Gateway: rate limits, guardrails (seguridad y PII), registro de peticiones y seguimiento de uso.
90
Enrutar external models de forma gobernada.
91
Consumir el endpoint vía REST y SDK: formato de chat, tokens de acceso y streaming.
92
Reintentos y timeouts desde el cliente.
Prompt injection: el contexto recuperado como superficie de ataque.
96
Fuga de PII, contenido inseguro y guardrails de entrada y salida.
97
Licencias de modelos, residencia y privacidad de datos, y masking de PII antes de indexar.
98
Retención de registros, uso aceptable y a dónde van los datos con external models.
mlflow.evaluate y los jueces LLM de Agent Evaluation.
102
Métricas automáticas más el feedback de la Review App, y champion frente a challenger.
103
Inference Tables y Lakehouse Monitoring: drift y alertas.
104
Optimizar costo, latencia y tokens: prompts concisos, chunks precisos, tamaño de modelo, caching y batching.
Palabras clave del escenario: frescura → RAG; estilo o formato → fine-tuning; acción auditada → UC Function; gobierno del tráfico → AI Gateway.
108
Ritmo: unos 2 minutos por pregunta, marcar y volver, sin dejar preguntas en blanco.
109
Inscripción, examen con supervisión en línea y recertificación cada dos años.
110
Cierre del proyecto integrador: qué quedó construido y cómo mostrarlo en el portafolio.
111
Logro 3 de 3: certificación Generative AI Engineer Associate.
Reconocido por empresas LATAM
Sin fecha de expiración
Al completar el 100% del curso
🤖 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.
On Demand
On Demand
On Demand✦NUEVO
On Demand
