Información del curso

Aprende 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

1. 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)
2. 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)
3. 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)
4. 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)
5. 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)
6. 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)
7. 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)
8. 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.