🔒 Curso de pago · 48,99 € (IVA incluido, con certificado)
O accede a todos los cursos de pago con la suscripción: 19 €/mes o 149 €/año. El acceso se abre al confirmarse el pago.
Comprar este cursoSuscribirme a todoAprende a elegir, ajustar y medir los modelos de lenguaje que ejecutas en tu equipo o servidor: qué ocupa un modelo, qué es la cuantización, cuándo compensa la GPU, cómo afinar Ollama y llama.cpp, cuándo usar vLLM y cómo medir calidad y velocidad con tus propias pruebas en lugar de fiarte de cifras ajenas. Cada tema tiene teoría, práctica real y cuestionario.
Duración estimada: 16 horas. Nivel: avanzado. Requisitos: haber hecho el Básico y el Intermedio (se usa su sistema); curso Básico de este itinerario, Docker Desktop con WSL2 y 16 GB de RAM. Una GPU NVIDIA es opcional (solo para las prácticas de GPU y vLLM).
8 temas · 16 lecciones · 40 preguntas de práctica · examen final
Temario
- Qué hay dentro de un modelo y cuánto ocupa — Parámetros, pesos, tokens y contexto: calcula cuánta memoria necesita un modelo antes de descargarlo.
- Parámetros, pesos y memoria
- Tokens, contexto y caché KV
- Cuestionario del tema (5 preguntas)
- Cuantización: modelos más ligeros — Entiende los formatos GGUF y los niveles Q4, Q5, Q8 y elige el equilibrio entre tamaño, velocidad y calidad.
- Qué es cuantizar y el formato GGUF
- Elegir cuantización con criterio
- Cuestionario del tema (5 preguntas)
- CPU frente a GPU — Entiende cuándo compensa la GPU, cómo usarla desde Docker en Windows y qué pasa cuando el modelo no cabe en VRAM.
- Por qué la GPU acelera y cuándo no
- GPU en Docker con WSL2
- Cuestionario del tema (5 preguntas)
- Ollama a fondo — Ajusta contexto, tiempo en memoria, paralelismo y crea tus propios modelos con un Modelfile.
- Parámetros que cambian el rendimiento
- Tu propio modelo con un Modelfile
- Cuestionario del tema (5 preguntas)
- llama.cpp: control fino y medición — Usa el servidor de llama.cpp y su herramienta llama-bench para medir con precisión.
- El servidor de llama.cpp
- Medir con llama-bench
- Cuestionario del tema (5 preguntas)
- vLLM: servir modelos a varios usuarios — Conoce cuándo compensa vLLM, cómo funciona por dentro y cómo levantarlo con Docker.
- Qué aporta vLLM
- Levantar vLLM con Docker
- Cuestionario del tema (5 preguntas)
- Medir la velocidad de verdad — Mide tiempo hasta el primer token, tokens por segundo y rendimiento con carga, y presenta resultados honestos.
- TTFT, tokens por segundo y latencia total
- Pruebas con carga y presentar resultados
- Cuestionario del tema (5 preguntas)
- Medir la calidad y elegir modelo — Construye una evaluación propia de calidad, combínala con la velocidad y elige el modelo adecuado para cada tarea.
- Evaluar la calidad con tus tareas
- Elegir con calidad, velocidad y memoria
- Cuestionario del tema (5 preguntas)
Cómo se aprueba y qué obtienes
- Cada lección: teoría, práctica paso a paso (en vídeo cuando esté publicado) y comprobación.
- Cuestionario por tema y examen final: se aprueba con un 7 sobre 10 y puedes repetirlo.
- Insignia verificable al completar el curso, para compartir en LinkedIn.
- Certificado de aprovechamiento en PDF con código de verificación: incluido en el curso. No es una titulación oficial.
🔒 Curso de pago: 48,99 € (certificado incluido). Comprar este curso · o toda la academia por 149 €/año. El acceso se abre solo en cuanto se confirma el pago.
🔒 Curso de pago · 48,99 € (IVA incluido, con certificado)
O accede a todos los cursos de pago con la suscripción: 19 €/mes o 149 €/año. El acceso se abre al confirmarse el pago.
Comprar este cursoSuscribirme a todoLleva tu asistente más allá de la búsqueda por parecido: construye un grafo de conocimiento en Neo4j, extrae entidades y relaciones con un modelo local, combina búsqueda vectorial, por palabras y por grafo, reordena con un reranker y evalúa con preguntas propias si cada mejora merece la pena. Cada tema tiene teoría, práctica real y cuestionario.
Duración estimada: 20 horas. Nivel: avanzado. Requisitos: curso Intermedio de este itinerario (o experiencia con Docker, Python, Ollama y Qdrant), 16 GB de RAM y 25 GB libres.
8 temas · 16 lecciones · 40 preguntas de práctica · examen final
Temario
- Por qué grafos: los límites del RAG vectorial — Entiende qué preguntas resuelve mal la búsqueda por parecido y qué aporta un grafo de conocimiento.
- Qué es un grafo de conocimiento
- Preguntas de varios saltos y GraphRAG
- Cuestionario del tema (5 preguntas)
- Neo4j en Docker y Cypher básico — Instala Neo4j Community en Docker y aprende a crear, consultar y borrar datos con Cypher.
- Instalar Neo4j con Docker
- Cypher: crear y consultar
- Cuestionario del tema (5 preguntas)
- Modelar tus documentos como grafo — Diseña etiquetas y relaciones, y carga la estructura de tus documentos (norma, capítulo, artículo, fragmento) desde Python.
- Diseñar el modelo de datos
- Cargar la estructura desde Python
- Cuestionario del tema (5 preguntas)
- Extraer entidades y relaciones con IA — Usa un modelo local con salida JSON para extraer entidades y relaciones, y controla su calidad.
- Extracción con salida estructurada
- Normalizar entidades y medir la extracción
- Cuestionario del tema (5 preguntas)
- Vectores dentro del grafo — Guarda embeddings en los fragmentos de Neo4j, crea un índice vectorial y combina búsqueda y grafo en una sola consulta.
- Índice vectorial en Neo4j
- Búsqueda vectorial más expansión en una consulta
- Cuestionario del tema (5 preguntas)
- Recuperación híbrida y expansión ponderada — Combina palabras clave, vectores y grafo con RRF y pesos por tipo de relación.
- Fusión de tres fuentes
- Pesos por tipo de relación
- Cuestionario del tema (5 preguntas)
- Rerankers: reordenar con precisión — Entiende la diferencia entre bi-encoder y cross-encoder y añade un reranker local que puntúa la confianza.
- Qué es un reranker y cómo funciona
- Umbral de confianza y abstención
- Cuestionario del tema (5 preguntas)
- Evaluar GraphRAG frente al RAG simple — Mide cobertura, abstención y coste de cada variante para decidir con datos si el grafo compensa.
- Métricas de recuperación y de respuesta
- Decidir y documentar
- Cuestionario del tema (5 preguntas)
Cómo se aprueba y qué obtienes
- Cada lección: teoría, práctica paso a paso (en vídeo cuando esté publicado) y comprobación.
- Cuestionario por tema y examen final: se aprueba con un 7 sobre 10 y puedes repetirlo.
- Insignia verificable al completar el curso, para compartir en LinkedIn.
- Certificado de aprovechamiento en PDF con código de verificación: incluido en el curso. No es una titulación oficial.
🔒 Curso de pago: 48,99 € (certificado incluido). Comprar este curso · o toda la academia por 149 €/año. El acceso se abre solo en cuanto se confirma el pago.
🔒 Curso de pago · 248,99 € (IVA incluido, con certificado)
O accede a todos los cursos de pago con la suscripción: 19 €/mes o 149 €/año. El acceso se abre al confirmarse el pago.
Comprar este cursoSuscribirme a todoConvierte tu asistente documental en un sistema de IA independiente: sin depender de servicios externos, con redes cerradas, secretos fuera del código, copias de seguridad que se restauran de verdad, actualizaciones sin sustos, registros y monitorización, y criterios de RGPD. Terminas con un proyecto final documentado. Cada tema tiene teoría, práctica real y cuestionario.
Duración estimada: 20 horas. Nivel: avanzado. Requisitos: haber hecho el curso Intermedio (o tener Ollama, Qdrant, una API RAG, Open WebUI y n8n en Docker), 16 GB de RAM y un disco externo o USB para las copias.
8 temas · 16 lecciones · 40 preguntas de práctica · examen final
Temario
- Qué significa «independiente» — Define qué depende de terceros en tu sistema y diseña la arquitectura final con un único archivo de despliegue.
- Inventario de dependencias
- Arquitectura final del sistema
- Cuestionario del tema (5 preguntas)
- Secretos, usuarios y puertos — Saca las contraseñas del código, limita quién entra y publica solo lo imprescindible.
- Secretos en un archivo .env
- Usuarios y superficie expuesta
- Cuestionario del tema (5 preguntas)
- Redes cerradas en Docker — Separa los servicios en una red interna sin salida a internet y otra con salida solo para lo imprescindible.
- Redes internas sin salida
- Actualizar modelos con la red cerrada
- Cuestionario del tema (5 preguntas)
- Copias de seguridad — Aplica la regla 3-2-1 y copia volúmenes, colecciones de Qdrant, Open WebUI y n8n de forma automática.
- Qué copiar y la regla 3-2-1
- Automatizar y sacar la copia del equipo
- Cuestionario del tema (5 preguntas)
- Restaurar y actualizar sin perder datos — Comprueba que tus copias funcionan restaurándolas, y actualiza servicios con un procedimiento reversible.
- Simulacro de restauración
- Procedimiento de actualización
- Cuestionario del tema (5 preguntas)
- Registros, salud y monitorización — Añade comprobaciones de salud, limita los registros, vigila recursos y registra las consultas con cuidado.
- Healthchecks y límites de recursos
- Registrar consultas con respeto a la privacidad
- Cuestionario del tema (5 preguntas)
- RGPD y uso responsable — Aplica los principios del RGPD y las obligaciones básicas de transparencia a tu sistema de IA.
- Datos personales en un sistema RAG
- Transparencia y límites de la IA
- Cuestionario del tema (5 preguntas)
- Proyecto final — Entrega un sistema de IA independiente completo, documentado y probado, con su copia y su restauración.
- Requisitos del proyecto
- Documentar, comprobar y entregar
- Cuestionario del tema (5 preguntas)
Cómo se aprueba y qué obtienes
- Cada lección: teoría, práctica paso a paso (en vídeo cuando esté publicado) y comprobación.
- Cuestionario por tema y examen final: se aprueba con un 7 sobre 10 y puedes repetirlo.
- Insignia verificable al completar el curso, para compartir en LinkedIn.
- Certificado de aprovechamiento en PDF con código de verificación: incluido en el curso. No es una titulación oficial.
🔒 Curso de pago: 248,99 € (certificado incluido). Comprar este curso · o toda la academia por 149 €/año. El acceso se abre solo en cuanto se confirma el pago.
Monta en tu propio ordenador una IA que funciona sin enviar tus datos a nadie: Windows preparado, Docker, Ollama con tu primer modelo y Qdrant para buscar por significado, hasta un primer asistente con tus textos. Cada tema tiene teoría clara que explica cómo funciona por dentro, una práctica real paso a paso con comandos que puedes copiar y un cuestionario. Al aprobar el examen final obtienes la insignia y el certificado de aprovechamiento.
Duración estimada: 8 horas. Nivel: inicial. Requisitos: Windows 10 u 11, 8 GB de RAM (16 GB recomendado) y 30 GB libres en disco.
8 temas · 16 lecciones · 40 preguntas de práctica · examen final
Temario
- Qué es la IA generativa y por qué tenerla en local — Entiende qué hay dentro de un modelo de lenguaje, dónde se ejecuta y qué ganas (y qué no) al tenerlo en tu propio equipo.
- Cómo funciona un modelo de lenguaje por dentro
- Nube o local: privacidad, coste y límites
- Cuestionario del tema (5 preguntas)
- Preparar Windows — Activa WSL2 y la virtualización, comprueba RAM y disco e instala Docker Desktop.
- WSL2 y virtualización: el Linux dentro de tu Windows
- Requisitos de RAM y disco e instalación de Docker Desktop
- Cuestionario del tema (5 preguntas)
- Docker sin miedo — Imágenes, contenedores, volúmenes y puertos con un ejemplo real en docker compose.
- Imágenes y contenedores
- Volúmenes y puertos
- Cuestionario del tema (5 preguntas)
- Ollama: tu primer modelo local — Levanta Ollama en Docker, descarga un modelo y hazle preguntas por terminal y por su API.
- Qué es Ollama y dónde vive tu IA
- Descargar un modelo y hacerle preguntas
- Cuestionario del tema (5 preguntas)
- Elegir modelo y medir velocidad y calidad — Tamaños, cuantización, CPU frente a GPU y cómo medir con datos en vez de a ojo.
- Tamaños y cuantización
- CPU frente a GPU y cómo medir
- Cuestionario del tema (5 preguntas)
- Embeddings y bases vectoriales: Qdrant — Convierte frases en vectores, guárdalos en Qdrant y busca por significado.
- Qué es un embedding
- Qdrant: guardar y buscar por significado
- Cuestionario del tema (5 preguntas)
- Primer asistente con tus documentos — La idea de RAG: buscar en tus textos y dar al modelo el contexto para que responda con ellos.
- La idea de RAG
- Tu primer asistente en PowerShell
- Cuestionario del tema (5 preguntas)
- Seguridad, RGPD y siguiente paso — Qué datos no usar, cómo copiar tus volúmenes y hacia dónde seguir.
- Datos que no debes usar y RGPD
- Copias de seguridad y siguiente paso
- Cuestionario del tema (5 preguntas)
Cómo se aprueba y qué obtienes
- Cada lección: teoría, práctica paso a paso (en vídeo cuando esté publicado) y comprobación.
- Cuestionario por tema y examen final: se aprueba con un 7 sobre 10 y puedes repetirlo.
- Insignia verificable al completar el curso, para compartir en LinkedIn.
- Certificado de aprovechamiento en PDF con código de verificación: opcional, 19 € (IVA incluido). No es una titulación oficial.
✅ Curso gratis. Si aún no tienes cuenta, créala gratis aquí y pulsa «Matricularme» en este curso. ¿Quieres el certificado en PDF? Consíguelo por 19 €.
🔒 Curso de pago · 149 € (IVA incluido, con certificado)
O accede a todos los cursos de pago con la suscripción: 19 €/mes o 149 €/año. El acceso se abre al confirmarse el pago.
Comprar este cursoSuscribirme a todoConvierte la IA local del curso Básico en un asistente que responde con tus documentos y cita las fuentes. Aprenderás a extraer el texto de PDF y Word, trocearlo, indexarlo en Qdrant, servir una API RAG propia, chatear con ella desde Open WebUI y automatizar la ingesta con n8n. Cada tema tiene teoría, práctica real paso a paso y cuestionario.
Duración estimada: 16 horas. Nivel: intermedio. Requisitos: haber hecho el curso Básico (o tener Docker Desktop con WSL2, Ollama y Qdrant funcionando), 16 GB de RAM recomendados y 20 GB libres en disco.
8 temas · 16 lecciones · 40 preguntas de práctica · examen final
Temario
- Del Básico al Intermedio: la arquitectura del asistente — Repasa el sistema del curso Básico y ve las piezas nuevas: ingesta, API RAG, interfaz de chat y automatización.
- Las cinco piezas de un asistente documental
- Preparar la carpeta y los modelos del curso
- Cuestionario del tema (5 preguntas)
- Extraer el texto de tus documentos — Saca texto limpio de PDF y Word, y aprende a detectar los documentos que necesitan OCR.
- Formatos y problemas típicos
- Limpieza y metadatos
- Cuestionario del tema (5 preguntas)
- Trocear e indexar en Qdrant — Elige el tamaño de los trozos, el solapamiento y carga vectores con metadatos en una colección nueva.
- Cómo trocear (chunking) sin romper el sentido
- Crear la colección e indexar con metadatos
- Cuestionario del tema (5 preguntas)
- Buscar bien: top-k, filtros y búsqueda híbrida — Mejora qué fragmentos llegan al modelo: número de resultados, filtros por metadatos y combinación de palabras clave y vectores.
- Búsqueda vectorial con filtros
- Búsqueda híbrida: palabras clave más vectores
- Cuestionario del tema (5 preguntas)
- Tu API RAG con fuentes — Programa un pequeño servicio con FastAPI que busca, pregunta al modelo y devuelve la respuesta con sus fuentes.
- Diseño de la API y del prompt
- Meter la API en Docker y probarla
- Cuestionario del tema (5 preguntas)
- Open WebUI: una interfaz de chat para todos — Instala Open WebUI conectado a tu Ollama, crea usuarios y una base de conocimiento con tus documentos.
- Instalar Open WebUI junto a Ollama
- Base de conocimiento y conexión con tu API
- Cuestionario del tema (5 preguntas)
- n8n: automatizar la ingesta — Monta n8n y crea un flujo que indexa automáticamente los documentos nuevos y avisa si algo falla.
- Qué es n8n y cómo instalarlo
- Flujo de ingesta con aviso de errores
- Cuestionario del tema (5 preguntas)
- Medir la calidad y siguiente paso — Crea un conjunto de preguntas de prueba, mide aciertos de búsqueda y de respuesta y decide qué mejorar.
- Un banco de preguntas para medir
- Mejorar con datos y lo que viene
- Cuestionario del tema (5 preguntas)
Cómo se aprueba y qué obtienes
- Cada lección: teoría, práctica paso a paso (en vídeo cuando esté publicado) y comprobación.
- Cuestionario por tema y examen final: se aprueba con un 7 sobre 10 y puedes repetirlo.
- Insignia verificable al completar el curso, para compartir en LinkedIn.
- Certificado de aprovechamiento en PDF con código de verificación: incluido en el curso. No es una titulación oficial.
🔒 Curso de pago: 149 € (certificado incluido). Comprar este curso · o toda la academia por 149 €/año. El acceso se abre solo en cuanto se confirma el pago.