1 · Fundamentos de apps con LLM
Qué es un LLM desde la silla de un desarrollador de apps — tokens, ventanas de contexto y cómo el sampling convierte probabilidades en texto.
●Track 10 · En vivo
Ingeniería de apps con LLMs
Construye con LLMs — embeddings, RAG, agentes, evaluación.
La capa de ingeniería sobre los grandes modelos de lenguaje: tokens y sampling, embeddings y búsqueda semántica, generación aumentada por recuperación (RAG), ingeniería de prompts, agentes que usan herramientas, bases de datos vectoriales, cuándo hacer fine-tuning vs recuperar vs prompt, y cómo evaluar y proteger una app con LLM. Las llamadas a LLM/API en vivo no corren en el navegador, así que cada concepto se enseña con una implementación desde cero auto-contenida que ejecutas en Pyodide, con el código de producción (OpenAI / LangChain) mostrado para leer.
22 / 22 lecciones8 capítulos
2 · Embeddings y búsqueda semántica
Convierte texto en vectores, mide significado con similitud coseno y construye un índice de búsqueda semántica desde cero.
3 · Generación aumentada por recuperación (RAG)
Dale a un LLM tu propio conocimiento: divide documentos, recupera las piezas relevantes y arma un prompt fundamentado — una pipeline RAG de juguete completa.
4 · Ingeniería de prompts
Ejemplos few-shot, plantillas y cómo obtener salida estructurada (JSON) confiable que puedas parsear y en la que confiar.
5 · Agentes y uso de herramientas
El bucle razonar→actuar→observar, darle herramientas a un modelo y el patrón ReAct — construye un mini agente que hace trabajo real.
6 · Bases de datos vectoriales y escalado
Qué hace una base de datos vectorial, el filtrado por metadatos y los índices de vecinos aproximados (IVF, HNSW) que hacen rápida la recuperación a escala.
7 · Fine-tuning vs RAG vs prompt
La decisión que enfrenta todo proyecto con LLM — cuándo hacer prompt, cuándo recuperar, cuándo hacer fine-tuning — más cómo se construyen los datos de entrenamiento y qué cambia LoRA.
8 · Evaluación, guardrails y capstone
Mide fidelidad y relevancia, atrapa alucinaciones y salida insegura con guardrails, y une todo en un mini RAG-agente completo.