[Workshop] AI Engineer: Diseña sistemas RAG listos para producción

En esta demo técnica aprenderás a diseñar un sistema RAG listo para producción, desde la arquitectura hasta la integración real en código. Verás cómo ingestar datos, vectorizarlos, implementar búsqueda semántica y conectar modelos de IA vía API para construir un sistema que transforma conversaciones con clientes en estimaciones estructuradas de proyectos software. Tendrás acceso al repositorio de código para que puedas implementarlo en tus proyectos.

🤯 Si lo que ves te vuela la cabeza y quieres convertirte en AI Engineer aprendiendo a construir productos con IA, el Máster AI Engineering es para ti:

En esta demo técnica aprenderás a diseñar un sistema RAG listo para producción, desde la arquitectura hasta la integración real en código. Tendrás acceso al repositorio de código para que puedas implementarlo en tus proyectos.

🤯 Si lo que ves te vuela la cabeza y quieres convertirte en AI Engineer aprendiendo a construir productos con IA, el Máster AI Engineering es para ti:

Conoce más de AI Engineering

Máster AI Engineering para ingenieros de software

AI-Powered Products

Aprende a diseñar, construir y desplegar productos con IA en entornos reales de producción. Este programa está orientado a perfiles técnicos que quieren ir más allá del prototipo y dominar la arquitectura completa de productos con IA: desde la integración con LLMs hasta su operación segura, escalable y optimizada en cloud.

  • Posiciónate como AI Engineer, un perfil cada vez más demandado y con pocas vías de formación estructurada.
  • Construye productos de IA con datos reales y criterios de calidad.
  • Obtén una visión completa de la arquitectura de productos con IA, donde el modelo es solo una pieza más y no el eje central.
🕒 Duración:
17 semanas
📅 Próxima fecha:
19 de mayo 2026
🌎 100% online
Agenda tu entrevista de admisión
¡Últimas plazas con bonus early bird para la edición del 19 de mayo de 2026!

4,8 / 5
+2.200 alumnos satisfechos

Descripción del Máster

El Máster en AI Engineering forma a ingenieros de software para convertirse en el perfil que hoy más demanda el mercado: AI Engineer (ingenieros capaces de integrar LLMs y sistemas inteligentes dentro de productos reales).

Un AI Engineer no se limita a entrenar modelos. Diseña, construye, integra y opera sistemas basados en IA asegurando rendimiento, fiabilidad, seguridad, gobernanza del dato y control de costes. Es el punto intermedio entre software engineer senior, ML engineer y product engineer.

Aquí aprenderás a llevar IA a producción, no a hacer demos.

¿Qué incluye la inscripción a AI Engineering?

Clases presenciales online

Clases presenciales online

Cada semana tendrás sesiones en directo con demos prácticas y casos de estudio reales. Acceso ilimitado a las grabaciones por 12 meses.

Programación práctica

Enfoque práctico

Construirás un sistema real, utilizando código base (reutilizable) creado por los mentores, mientras implementas arquitecturas CAG y RAG, sistemas multi-agente y prácticas clave de producción como evaluación, guardrails, monitorización y LLMOps.

Preguntas/Respuestas

Q&A con mentores TOP

Dispondrás de un espacio seguro donde traer tus inquietudes, problemas y desafíos actuales, y contarás con profesionales con experiencia para ayudarte.

Contenido complementario

Contenido complementario

Además de las sesiones en vivo, tendrás acceso a contenido pregrabado y recursos seleccionados para profundizar en cada tema y seguir aprendiendo a tu ritmo.

Certificado final

Certificado final

Al completar el Máster y aprobar el proyecto final, obtendrás un certificado que valida tus competencias y cuenta con el respaldo de LIDR.

Comunidad exclusiva

Comunidad exclusiva

Accede a una red privada de expertos, líderes y oportunidades. Eventos, recursos, novedades del sector y empleos TOP para acelerar tu carrera profesional.

¿Para quién es este Máster?

Este programa está diseñado para perfiles técnicos con base en programación que quieran dar el salto a crear sistemas con IA aplicada.

Ingenieros de Software (backend o full-stack) que quieran integrar LLMs, sistemas de recomendación o automatización inteligente
ML Engineers junior que saben entrenar modelos, pero no dominan producción o Data Engineers que quieran evolucionar hacia sistemas inteligentes
PMs técnicos o Tech Leads que necesiten entender IA a nivel práctico para tomar mejores decisiones de arquitectura
Ingenieros Frontend avanzados que quieran diseñar experiencias impulsadas por IA, como chatbots

Lo que aprenderás

Aprenderás a diseñar y construir productos con IA de extremo a extremo, dominando arquitecturas con LLMs, RAG y sistemas multi-agente. Mejorando como ingeniero en todas las fases del desarrollo de software. 

  • Diseñar arquitecturas completas de productos con IA
  • Construir plataformas LLM agénticas capaces de razonar sobre datos estructurados y no estructurados
  • Implementar RAG avanzado con bases vectoriales y reranking
  • Orquestar sistemas multi-agente
  • Implementar guardrails, validación y compliance-by-design
  • Crear sistemas de evaluación con métricas reales (hallucination rate, safety, helpfulness)
  • Desplegar y operar soluciones IA en producción (LLMOps)
  • Optimizar latencia, costes y rendimiento

Contenidos del Máster

  • 32 horas de sesiones en vivo
  • 30 horas de prácticas + 6h de laboratorios opcionales
  • Próxima edición: 19 de mayo de 2026

📅 Sesiones en vivo los martes | 17:30-19:30 hs CET | 10:30-12:30 hs COT

El programa requiere un mínimo de 6 horas y un promedio de 8 horas de trabajo por semana, que incluyen sesiones en vivo en línea, actividades individuales y grupales, así como el consumo de contenido bajo demanda.

⬇️ Despliega cada sección para saber más sobre cada tema ⬇️

Plan de estudio

Sesión 00. Introducción al desarrollo de IA y panorama actual

  • Introducción al curso
    • Qué hace hoy un AI Engineer?
    • Qué requisitos se necesitan?
    • Qué tipo de proyectos se realizan?
  • IA Generativa, Situación actual
    • Panorama de la IA
    • Machine Learning
      • Casos de uso actuales
      • Herramientas (Pytorch, tensorflow, pandas)
    • IA generativa
  • Modelo transformers
  • tecnologías core y stack tecnológico que vamos a utilizar

Sesión 01: LLMs y setup de entorno de trabajo

  • LLMs, comunicación con modelos y setup básico de APIs
    • Importación de la librería
    • Gestión completa de la llamada a la API
    • System prompt
    • Estructura de la respuesta
      • Respuesta al chat
      • Metadatos
      • Tokens
      • Errores
      • Comparativa de proveedores
  • Ecosistema de herramientas y proveedores
  • Criterios de selección según caso de uso
  • Análisis de casos reales y mapeo de arquitecturas

Generación de un proyecto utilizando arquitectura CAG y wrappers de modelos

Sesión 02. Primeros pasos de arquitectura CAG

  • Explicación del proyecto que vamos a realizar en el módulo de manera incremental
  • Fundamentos de arquitectura CAG
  • Arquitectura de proyecto que incluya llamadas a LLM mediante API
    • Tokens
    • Contexto
    • Parámetros: nivel de razonamiento, temperatura (quitado ya en casi todos), verbosity
    • Tools
  • Arquitectura de conversación
  • Gestión de claves, rate limiting y manejo de errores
  • Costes y optimización de consumo


Sesión 03. Patrones de diseño para wrappers de modelos

  • Introducción a interfaces conversacionales
    • Frameworks y librerías
      • Listado de las más conocidas
      • Ejemplo con streamlit
    • Pros y contras de usar librerías
    • DIY: ejemplo con código (tipo peripheral)
  • Arquitectura de capas para wrappers de LLMs
  • Abstracción de proveedores y estrategias de fallback
  • Cacheo inteligente de respuestas
  • Streaming y manejo de respuestas largas
  • Logueo y trazabilidad

Sesión 04. Productos IA avanzados

  • Adaptación de interfaces para abstracción de prompts
    • Experiencia de usuario: Dar al usuario una interfaz donde el usuario no tenga que ocuparse del prompting, solo pedir lo que necesita de la forma más básica posible (idealmente un botón o comando, botones de parámetros, selector de los casos de uso).
    • La calidad de la respuesta no debe depender de la calidad del prompt. Calidad homogénea para todos los usuarios
    • De interfaz conversacional a acciones y formularios (interfaces tradicionales)
  • Prompts estructurados y templates dinámicos
  • Extracción de datos estructurados (JSON, schemas)
  • Guardrails y validación de outputs

Sesión 05. Funcionalidades avanzadas

  • Integración de contexto dinámico desde fuentes externas
    • Archivos adjuntos
    • Búsqueda web
    • Bases de datos
  • Implementación de memoria conversacional
    • Memoria
  • Historial
  • Sistema de prompts adaptativo mediante permisos de usuario
    • Ingenieros asumen que todo usuario tiene acceso a todo
    • Es desarrollo web normal (parámetro “tier” en base de datos, interfaz adaptada al parámetro, y prompts diferentes)
    • Dar un ejemplo ya hecho: modo investigacion profunda
    • NO se llevaría al directo, simplemente sería parte de la solución que se entrega para la sesión en vivo
  • Testing y evaluación del sistema

Sesión 06. Fundamentos de data driven AI – Análisis, formateo y normalización de datos existentes

  • Auditoría de datos empresariales
  • Criterios de selección de arquitectura según caso de uso
  • Selección de datos por tipo (estructurado, no-estructurados y semi-estructurados) y fuente
  • Sistemas de normalización de los datos – extracción y limpieza
    • Evitar garbage-in – garbage-out
  • Privacidad y GDPR de los datos

Sesión 07. Embeddings y representación vectorial

  • Chunking de información y agentes de chunking
  • Verificación, solapamiento y técnicas de siblings
  • Teoría de embeddings
  • Modelos de embeddings
  • Agentes de embedding de datos
  • Concepto de espacio vectorial
  • Vectores como catalizador de búsqueda semántica
  • Pre-procesamiento específico de embeddings por tipo de documento o información estructurada de BBDD

Sesión 08. Bases de datos vectoriales

  • Concepto de BBDD vectorial
  • Comparativa y arquitectura de BBDD vectorial vs BBDD tradicional
  • Comparativa de BBDD Vectoriales en el mercado
  • Tipos de índices vectoriales
  • Inserción de vectores en BBDD y representación semántica de campos
  • Ejemplos de búsqueda semántica
  • Escalabilidad y consideraciones de producción

 

Sesión 9. Fundamentos de RAG y técnicas de recuperación

  • Componentes de arquitectura y flujo de datos
  • Consultas y reformulación
  • Estrategias de retrieval
  • Integración retriever/generador
  • Apificación de la capa de datos
    • Aislamiento y securización de la capa de datos

Sesión 10. Técnicas de recuperación

  • Reranking y cross encoders
  • Búsqueda híbrida en BBDD Vectorial
  • Expansión de consultas
  • RAG Multi-índice y routing de consultas – handover entre agentes
  • Filtrado contextual y temporal

Sesión 11. RAG Avanzado – Generación y calidad

  • Content augmentation
  • Síntesis de múltiples fuentes
  • Citación y atribución de fuentes
  • Detección y mitigación de alucinaciones
  • Reindexación de información
  • Evaluación de la calidad de las respuestas – métricas y frameworks (RAGAS)

Sesión 12. Introducción a agentes de IA

  • Capa agéntica en sistemas RAG
  • Anatomía de un agente (razonamiento, planificación, acción, handover…)
  • Patrones de agentes
  • Herramientas y function calling

Sesión 13. Orquestación de agentes

  • Frameworks de gestión de agentes
    • Langchain
    • ML Autogen
    • Google
  • Frameworks vs orquestación interna
  • Diseño de grafos de ejecución
    • Langgraph
  • Gestión de estado y memoria
  • Manejo de errores y recuperación
    • Herramientas:
      • Langsmith
      • Logfire

Sesión 14. Sistemas multi-agente y patrones avanzados

  • Arquitecturas multi-agente: colaboración vs competición
  • Patrones de comunicación entre agentes
  • Agentes de supervisión y delegación de tareas
  • Human in the loop
  • Seguridad y sandboxing de agentes

Sesión 15. Puesta en producción de proyectos, arquitectura e infra

  • Documentación del sistema
  • Arquitectura de microservicios para sistema agénticos
  • Despliegue y puesta en producción
  • Safety, Guardrails, and Compliance-by-Design 
  • Evaluation, Monitoring, Observability and Quality Assurance
    • Create evaluation harnesses, golden test sets, and regression testing for conversational behavior.
    • Define measurable KPIs (e.g., helpfulness, hallucination rate, safety compliance, retention signals).
    • Establish monitoring, logging, and feedback loops to support continuous improvement.
  • Despliegue y puesta en producción
    • Deliver maintainable, tested, and well-documented code.
    • Support deployment and operation of AI services in production environments.
    • Collaborate with product and engineering stakeholders to prioritize and deliver roadmap items.
  • A/B testing
  • Optimización de latencia y costes

Laboratorio: 10x Engineer

Sesión práctica orientada a integrar IA de manera efectiva en el proceso de desarrollo end-to-end:

  • Spec-Driven Development
  • Agentes
  • MCPs 
  • Skills


Aplicación de lo aprendido en casos de uso reales, desde la planificación de la tarea hasta la code review automatizada.

 

Agendar entrevista de admisión

Conoce a tus mentores

No se encontraron mentores relacionados.

Testimonios

No nos creas sólo a nosotros, esto es lo que dicen algunos de los AI Engineers que han pasado por nuestro programa.

Luis Carlos Charris
“Sembró una mentalidad que ya está generando un cambio real en mi forma de construir tecnología. Gracias al enfoque que aprendí en la formación he logrado dominar por completo una metodología que combina estructura, velocidad y AI para construir MVPs en tiempo récord. He creado una cápsula llamada PrebriefAI, que permite estructurar la idea del cliente en minutos, aplicar prompting y preparar el terreno antes de arrancar el desarrollo. Es una evolución directa del mindset que LIDR promovió.”
Luis Carlos Charris
AI Engineer & Product Leader
Nelson Romero
“Cuento con nuevas herramientas y conocimientos en IA que me permiten tomar decisiones más rápido, implementar con mayor confianza y desarrollar productos con más solidez. La formación me abrió la mente a nuevas posibilidades dentro del mundo tech y eso tuvo un impacto directo en mi trabajo diario: He logrado reducir drásticamente los tiempos de desarrollo de MVPs para validación. Eso me permite lanzar más rápido, iterar mejor y entregar productos con mayor calidad.”
Nelsón Romero
CTO
Daniel González
“Antes manejaba de forma básica ChatGPT, pero ahora cuento con un set de herramientas y buenas prácticas que me permiten ser más productivo y alcanzar el siguiente nivel en mi carrera profesional. Un resultado específico es poder desarrollar un producto de forma completa en tiempo record comenzando por la definición, planeación, diseño, programación y despliegue todo apoyado por herramientas de IA”
Daniel González
Software Engineer

Tenemos la fortuna de entrenar a profesionales TOP de grandes compañías como:

Grandes compañías
Solución adaptada a tu equipo

Lo quiero para mi equipo

Si te ha gustado lo que has visto, compartes nuestra visión y crees que AI Engineering puede llevar a tu equipo a ser más productivo, eficiente y valioso, por favor rellena el formulario en nuestra web y agenda tu llamada de descubrimiento 👇

¿Estás buscando una solución adaptada para tu equipo?

Reserva tu llamada de descubrimiento

Conoceremos más acerca de tus necesidades para ofrecerte una solución personalizada.

Garantía de devolución y facilidades de pago

Garantía de 30 días

15 días de garantía. 0 riesgo

Cuentas con una garantía de devolución de dinero de 15 días desde el momento que inicia el master.

Si no te funciona o no es para ti, sólo tienes que solicitar la devolución. Sin preguntas.

Facilidades de pago

Facilidades de pago

Disponemos de opciones de financiación del curso en cuotas sin intereses.

Reserva tu entrevista de admisión y nuestro equipo te dará todos los detalles.

Bonifica a tu empresa

Bonifica con tu empresa

En España el curso es parcialmente bonificable por FUNDAE (hasta 700 €). Además, podemos ayudarte a que tu empresa dedique un presupuesto a la formación.

Preguntas frecuentes