27 octubre
Cursada
Martes de 19 a 21
6 cuotas sin interés
$135.417
Total $812.500
$1.250.000
-35%
Un pago por transferencia
$690.625
Ahorrás $121.875
Formate como AI Engineer con Python, LangChain, RAG y MCP, y llevá tus LLM a producción.
Pedí el programa completo
Te enviaremos el temario, las fechas y las formas de pago.
Un prototipo responde. Un sistema productivo además necesita recuperar información confiable, ejecutar herramientas, controlar costos, resistir errores y poder observarse. Esta formación te lleva de las APIs de modelos y RAG hasta agentes, MCP, fine-tuning, FastAPI, Docker, observabilidad y deploy.
Se recomienda una base previa de Python y bases de datos o haber realizado los cursos de ICARO.
Este curso certifica con la Universidad Nacional de Córdoba y la Facultad de Ciencias Exactas, Físicas y Naturales.
No son videos que mirás solo. Cada semana tenés clase en vivo, con cupo reducido. Una experiencia centrada en el estudiante.
Deslizá para ver los 5 pasos
El docente explica y resuelve casos delante tuyo, y preguntás en el momento. Cohortes de 25 personas en promedio: tu docente sabe tu nombre.
Se sube la grabación de cada clase junto al material teórico y práctico. Queda todo a disposición para que repases.
Presentás tareas, te corrigen y te dicen cómo mejorar. Los docentes son expertos de la industria.
Terminás el cursado con un trabajo que queda en tu portfolio y demuestra lo que aprendiste.
Al aprobar el integrador, la UNC y la FCEFyN firman tu diploma.
Cursada
Martes de 19 a 21
6 cuotas sin interés
$135.417
Total $812.500
$1.250.000
-35%
Un pago por transferencia
$690.625
Ahorrás $121.875
Cuotas sin interés con tarjeta de crédito.
+12.000 graduados. Estos son catorce de ellos.
Continué fortaleciendo conocimientos en SQL, Power BI y visualización de datos, aplicándolos en proyectos personales orientados a Compliance, Prevención de Lavado de Activos (AML), Governance y Riesgo Operacional, publicados en GitHub.
El mes pasado terminé el primero de tres módulos, Arquitectura y Estructuras, donde desarrollé la documentación técnica y municipal completa de una vivienda unifamiliar.
Fueron 250 horas de aprendizaje, desafíos y mucho esfuerzo que hoy se traducen en este logro. Este fue mi punto de partida para adentrarme en el mundo de la Ciencia de Datos, un camino que me apasiona y que seguiré explorando.
Tras dos años de experiencia en la oficina técnica de una obra, comprobé que hay muchos aspectos clave que no se enseñan en el ámbito académico. Por eso decidí cursar una Diplomatura en Revit y Metodología BIM.
Un certificado es importante pero todavía más importante es poder aplicar ese conocimiento para resolver problemas reales de negocio. Desarrollé proyectos aplicando Power BI junto con SQL y Python: segmentación de clientes, análisis financiero y modelos de predicción de churn.
Fueron más de 150 horas donde profundicé en análisis de datos, herramientas y toma de decisiones basada en información. Más allá del contenido técnico, me llevo una forma más estructurada de pensar y resolver problemas.
Durante estos meses de aprendizaje, logré dar el salto de los conceptos teóricos a la práctica. Este logro no es el final, sino el inicio de una nueva etapa: estoy lista para automatizar flujos complejos y seguir aportando valor a la calidad del software.
Profundicé en todo el flujo de trabajo analítico, desde la preparación y transformación de datos hasta la generación de insights accionables. Hoy me llevo herramientas que me permiten convertir datos en información estratégica, con foco en generar impacto real en el negocio.
Aprendimos a modelar tanto elementos de arquitectura como de estructura, a crear familias paramétricas y tablas de planificación, y a trabajar en simultáneo entre las distintas disciplinas.
Cada etapa fue sumando herramientas concretas que hoy integran mi perfil como Ingeniero Químico, dándome una mirada analítica para acompañar decisiones en contextos industriales y empresariales.
Pude profundizar en planificación, gestión de tiempos, alcance, riesgos, stakeholders y metodologías de trabajo, conocimientos que complementan mi formación como arquitecta y que podré aplicar directamente en la gestión integral de proyectos y ejecución de obra.
Este recorrido no solo implicó aprender a utilizar herramientas técnicas como Power BI y SQL, sino también comprender cómo transformar datos en información útil para generar conocimiento y aportar a la toma de decisiones.
Llego a este cierre con un trabajo final que significó mucho: un Estudio de Impacto Ambiental real, aplicado al crecimiento productivo sostenible, con normativa, matriz de impacto y un plan de gestión completo.
Una formación que me dio herramientas concretas —DAX, Power Query, SQL, modelado, visualización— y que aporta muchísimo a mi formación. La salud y los datos son dos mundos que cada vez se cruzan más, y quiero estar preparado para ese cruce.
Lo que suelen preguntar antes de anotarse a AI Engineering.
AI Engineering es la disciplina orientada a diseñar, construir e implementar aplicaciones y sistemas de software que integran modelos de Inteligencia Artificial.
Un AI Engineer trabaja con APIs de modelos, RAG, agentes, herramientas, backend, evaluación, seguridad, observabilidad e infraestructura para transformar un prototipo de IA en un sistema utilizable en producción.
Está orientada principalmente a developers, perfiles Data y profesionales técnicos que ya cuentan con una base de programación y quieren especializarse en el desarrollo de aplicaciones basadas en IA.
Sí. Es recomendable contar con una base de Python y conocimientos iniciales de bases de datos o desarrollo de software.
No necesitás haber trabajado previamente como especialista en IA, pero durante el programa se utiliza Python para construir integraciones, MCP servers, APIs, backend y distintos componentes del proyecto.
Data Science suele concentrarse en analizar datos y desarrollar modelos para explicar o predecir comportamientos.
Machine Learning Engineering pone mayor foco en implementar, desplegar y mantener modelos de Machine Learning.
AI Engineering se orienta a construir productos y sistemas basados en IA, especialmente alrededor de LLMs: RAG, agentes, APIs, MCP, backend, evaluación, observabilidad e infraestructura.
IA Aplicada y Automatización utiliza principalmente herramientas no-code para integrar IA dentro de procesos profesionales y no requiere conocimientos previos de programación.
AI Engineering es el recorrido técnico: programás e integrás APIs, sistemas RAG, agentes, MCP servers, backend, infraestructura, observabilidad y deploy.
En resumen: una formación enseña a aplicar IA dentro de procesos; la otra a construir los sistemas de IA que esos procesos utilizan.
El programa trabaja con un stack orientado al desarrollo de aplicaciones de IA y sistemas productivos.
RAG — Retrieval-Augmented Generation permite recuperar información relevante desde una fuente externa y entregársela al modelo antes de generar una respuesta.
Esto permite crear aplicaciones que trabajan sobre documentación, bases de conocimiento o información específica de una organización sin depender solamente del conocimiento original del modelo.
El programa trabaja embeddings, vectorstores, MMR, hybrid search, reranking, transformación de queries y evaluación de sistemas RAG.
RAG agrega información externa al contexto del modelo en el momento de generar una respuesta.
Fine-tuning modifica el comportamiento del modelo mediante entrenamiento adicional sobre determinados ejemplos.
No resuelven exactamente el mismo problema. Una parte importante de AI Engineering es entender cuándo conviene recuperar conocimiento, cuándo ajustar un modelo y cuándo combinar ambos enfoques.
El programa incorpora LoRA y QLoRA, además de cuantización e infraestructura para ejecutar modelos.
LangChain proporciona componentes para construir aplicaciones con modelos de lenguaje, prompts, chains, herramientas, memoria y retrieval.
LangGraph permite modelar workflows y agentes como grafos con estado, rutas condicionales, persistencia y human-in-the-loop.
El programa utiliza ambas herramientas para avanzar desde integraciones simples hacia sistemas de IA con mayor control sobre su comportamiento.
MCP — Model Context Protocol es un protocolo para conectar aplicaciones basadas en modelos de IA con herramientas, recursos y fuentes externas mediante una interfaz estandarizada.
Durante la certificación se trabaja la implementación de MCP servers con Python, incluyendo tools, resources y su integración con clientes compatibles.
Un chatbot normalmente recibe una consulta y devuelve una respuesta. Un agente de IA puede además decidir qué herramientas utilizar, ejecutar acciones, conservar estado y seguir diferentes caminos según el resultado.
En AI Engineering se trabajan agentes utilizando herramientas, memoria, estado, flujos condicionales y human-in-the-loop para construir comportamientos más controlados.
Sí. Ese es uno de los principales ejes de la certificación.
Se trabajan FastAPI, Docker, tests, CI/CD, logs estructurados, métricas, alertas, control de costos, seguridad y observabilidad.
El objetivo es entender qué necesita una aplicación para pasar de una demostración o notebook a un servicio que pueda ejecutarse, monitorearse y mantenerse.
Sí. La formación termina con un proyecto integrador end-to-end pensado para documentar y mostrar profesionalmente.
El proyecto integra componentes trabajados durante el programa, como RAG, agentes, MCP y observabilidad, aplicados sobre un caso concreto.
Las competencias desarrolladas pueden aplicarse a perfiles como:
Los recursos gratuitos, documentación y tutoriales pueden ser excelentes para aprender una herramienta o resolver una necesidad puntual.
La diferencia de un recorrido estructurado está en conectar las distintas capas de un sistema de IA: modelos, RAG, agentes, MCP, infraestructura, evaluación, observabilidad y deploy.
En ICARO el recorrido suma clases en vivo, práctica, acompañamiento docente, proyecto integrador y certificación universitaria.
La modalidad es 100% online en vivo + campus. El programa vigente contempla 20 clases en vivo de 2 horas.
La dedicación académica total es de 194 horas entre clases, laboratorios, práctica y proyecto final.
Las clases quedan grabadas y se habilitan 24 hs después para que puedas volver a consultar los contenidos.
La modalidad permite organizar la cursada junto con una actividad laboral, pero por el nivel técnico del programa es importante reservar tiempo adicional para prácticas, laboratorios y proyecto.
Sí. Al completar la formación obtenés una certificación universitaria oficial avalada por la Universidad Nacional de Córdoba y la FCEFyN.
El programa contempla 194 horas totales y 7,7 créditos académicos universitarios CRE.
Confían en nosotrosempresas ya capacitaron a sus equipos con ICARO
