Hoja de ruta para aprender ingeniería de IA

La ingeniería de IA construye software fiable alrededor de modelos: selecciona modelos, aporta contexto, conecta herramientas, evalúa y opera el sistema. La investigación de ML se centra más en crear o mejorar modelos y métodos; son campos relacionados, no idénticos.

1. Programación

Domina Python, control de versiones, pruebas, depuración, JSON, HTTP y gestión segura de secretos. Crea primero un programa con una API convencional.

2. Datos y ML

Aprende particiones de entrenamiento, validación y prueba, sobreajuste, variables, etiquetas y métricas. Un pequeño clasificador debe convertir baseline, leakage, precision y recall en experiencia práctica.

3. Aplicaciones LLM

Estudia tokens, contexto, roles de instrucciones, salida estructurada, llamadas a herramientas, latencia y límites. Trata la respuesta del modelo como datos no confiables.

4. Embeddings y RAG

Aprende embeddings, fragmentación, filtros, búsqueda semántica, reranking y citas. Construye RAG con documentos conocidos y verifica que el pasaje recuperado respalde la respuesta. Consulta RAG Explained.

5. Agentes y evaluación

Empieza con un agente, pocas herramientas, esquemas estrictos, permisos mínimos y límite de pasos. Prepara pruebas representativas y mide éxito, grounding, formato, llamadas, latencia y coste.

6. Despliegue

Aprende autenticación, límites, reintentos, caché, colas, observabilidad, retención y fallbacks. Un demo se convierte en sistema cuando los fallos son visibles, contenidos y recuperables.

Crea tres proyectos: flujo estructurado, RAG con citas y agente monitorizado. Usa la ruta AI Developer y los cursos para cubrir carencias concretas.