OBJETIVO DEL CURSO

Diseñar, desarrollar e integrar soluciones basadas en LLM con Claude, desde la API hasta su despliegue en entornos productivos.

Contenido

🔹 Unidad 1. Fundamentos de LLM Engineering

Objetivo

Comprender el comportamiento real de los LLM desde un enfoque práctico

Contenido

• Funcionamiento aplicado de los LLM
• Limitaciones: contexto, coste, latencia
• Tipos de aplicaciones con LLM
• Buenas prácticas en entornos productivos

Actividad

• Identificar un caso de uso técnico viable con LLM

🔹 Unidad 2. Integración con la API de Claude

Objetivo

Conectar Claude con aplicaciones reales

Contenido

• Autenticación y configuración
• Estructura de llamadas a la API
• Gestión de prompts dinámicos
• Control de tokens y costes

Práctica

• Implementar cliente básico en Python o JavaScript
• Realizar llamadas con parámetros variables

🔹 Unidad 3. Diseño de arquitecturas LLM

Objetivo

Diseñar soluciones escalables

Contenido

• Arquitecturas típicas:
  • Chatbots
  • Asistentes empresariales
  • Automatización de procesos
• Separación frontend/backend
• Orquestación de prompts

Práctica

• Diseñar arquitectura completa de solución IA

🔹 Unidad 4. RAG (Retrieval Augmented Generation)

Objetivo

Conectar Claude con datos propios

Contenido

• Concepto de RAG
• Flujo: ingestión → embeddings → recuperación → generación
• Bases de datos vectoriales (concepto)
• Indexación de documentos

Práctica

• Implementar sistema básico de consulta documental

🔹 Unidad 5. Gestión de contexto y memoria

Objetivo

Optimizar el uso del contexto

Contenido

• Ventana de contexto
• Estrategias de chunking
• Memoria conversacional
• Persistencia de información

Práctica

• Diseñar sistema con memoria de conversación

🔹 Unidad 6. Evaluación y calidad de respuestas

Objetivo

Asegurar resultados fiables

Contenido

• Testing de prompts
• Evaluación de outputs
• Métricas de calidad
• Reducción de errores y alucinaciones

Práctica

• Crear sistema de validación de respuestas

🔹 Unidad 7. Seguridad y gobernanza

Objetivo

Desplegar soluciones seguras

Contenido

• Control de acceso
• Protección de datos sensibles
• Riesgos en LLM
• Buenas prácticas enterprise

Práctica

• Definir políticas de uso y seguridad

🔹 Unidad 8. Optimización y rendimiento

Objetivo

Reducir costes y mejorar eficiencia

Contenido

• Optimización de prompts
• Caching de respuestas
• Reducción de latencia
• Uso eficiente de tokens

Práctica

• Optimizar una aplicación existente

🔹 Unidad 9. Integración con sistemas empresariales

Objetivo

Conectar Claude con el ecosistema IT

Contenido

• Integración con APIs externas
• Automatización de procesos
• Uso con bases de datos
• Integración con herramientas empresariales

Práctica

• Conectar Claude con un sistema externo

🔹 Unidad 10. Despliegue en producción

Objetivo

Pasar de prototipo a entorno real

Contenido

• Arquitectura de despliegue
• Contenerización (concepto)
• Escalabilidad
• Monitorización

Práctica

• Definir pipeline de despliegue

🔹 Unidad 11. Observabilidad y mantenimiento

Objetivo

Operar soluciones en producción

Contenido

• Logging
• Monitorización de uso
• Control de costes
• Mejora continua

Práctica

• Diseñar sistema de monitorización

🔹 Unidad 12. Proyecto final

Objetivo

Construir una solución completa

Proyecto

Desarrollo de una aplicación real, por ejemplo:

• Asistente documental con RAG
• Chatbot corporativo
• Sistema de automatización de procesos

Entregables

• Arquitectura
• Código funcional
• Documentación
• Evaluación de resultados

ELEMENTOS DEL CURSO

• ✔ Laboratorios técnicos guiados
• ✔ Proyecto final evaluable
• ✔ Casos reales de empresa
• ✔ Plantillas de arquitectura
• ✔ Biblioteca de prompts técnicos

Dirigido a:

• Desarrolladores
• Ingenieros de IA
• Arquitectos de soluciones