Curso
Introducción a los LLMs en Python
3 h
35.9K
Los modelos de lenguaje grandes han pasado de ser una curiosidad de laboratorio a un tema del que se espera que todo desarrollador tenga opinión, ya sea para llamar a una API, ajustar un modelo de código abierto o explicar a un equipo de producto por qué el chatbot acaba de inventarse una política de reembolsos.
Para ayudarte, hemos elaborado una clasificación de cursos basada en cuatro criterios:
- Profundidad conceptual: si el curso explica de verdad tokens, embeddings, atención y la arquitectura transformer
- Rigor práctico: si escribes código para llamar, ajustar o servir un modelo real
- Cobertura de plataformas y modelos: si el curso se limita a una API o te da una visión de modelos de código abierto frente a propietarios
- Experiencia del instructor y resultados: quién lo imparte y qué serás capaz de construir después
1. Introduction to LLMs in Python — DataCamp
DataCamp's Introduction to LLMs in Python es el mejor curso para desarrolladores que quieren ir más allá de "llamar a la API de OpenAI" y entender de verdad la arquitectura transformer en la que se basa cualquier LLM moderno.
- Nivel: intermedio
- Duración: ~3 horas, a tu ritmo; inicio gratuito
- Coste: inicio gratuito; acceso completo incluido con la suscripción a DataCamp (~25 $/mes)
- Ideal para: desarrolladores que quieren una introducción enfocada y con código a LLMs y transformers sin comprometerse de entrada con una especialización completa
El curso aborda primero la mecánica de las arquitecturas transformer y después pasa a usar modelos y conjuntos de datos preentrenados de Hugging Face, ajustarlos para tareas específicas y evaluar los resultados.
Lo que lo hace destacar y por qué es el número uno: el curso se ejecuta en el AI Tutor de DataCamp, que explica los errores en el contexto del código exacto que estás viendo. Los fallos con LLM rara vez se ven claros en el stack trace y un tutor que razona sobre tu error concreto es mucho mejor que ir a ciegas.
2. LLM Engineering: Master AI, Large Language Models & Agents — Udemy
LLM Engineering es una gran opción para desarrolladores que buscan un curso único, completo y muy práctico, que va desde llamar a APIs comerciales hasta ajustar modelos de código abierto y construir agentes.
- Nivel: intermedio (requiere Python)
- Duración: más de 30 horas de contenido en 200+ lecciones; calcula 6–8 semanas con proyectos
- Coste: suele estar muy rebajado en las frecuentes ofertas de Udemy
- Ideal para: desarrolladores que quieren una ruta por la ingeniería de LLM que cubra modelos propietarios y de código abierto
El instructor, Ed Donner, fue CEO de una startup de IA y Managing Director en JPMorgan Chase. El curso avanza desde estructurar prompts y entender la tokenización, pasando por el ajuste de modelos open source con LoRA y cuantización, hasta la creación de sistemas multiagente.
3. The LLM Course — Hugging Face
Hugging Face's LLM Course es una gran opción para desarrolladores que quieren entender las librerías que realmente se usan bajo la mayoría de proyectos LLM de código abierto: Transformers, Datasets, Tokenizers y Accelerate.
- Nivel: de principiante a intermedio
- Duración: ~15–20 horas, a tu ritmo
- Coste: gratis, con certificado disponible
- Ideal para: desarrolladores que quieren trabajar directamente con modelos open source y el Hub de Hugging Face en lugar de quedarse en la API de un único proveedor
Como lo mantiene la propia Hugging Face y se actualiza conforme evoluciona el ecosistema, es una apuesta segura para evitar APIs obsoletas — aunque se inclina hacia el ecosistema de Hugging Face en lugar de cubrir alternativas comerciales.
4. ChatGPT Prompt Engineering for Developers — DeepLearning.AI
ChatGPT Prompt Engineering for Developers, impartido por Isa Fulford (OpenAI) y Andrew Ng, es una gran opción para desarrolladores que quieren una introducción rápida y enfocada a llamar a un LLM mediante API en lugar de a través de una ventana de chat.
- Nivel: de principiante a intermedio
- Duración: ~1,5 horas
- Coste: gratis
- Ideal para: desarrolladores que quieren pasar de promptar ChatGPT a mano a llamar a un LLM de forma programática y construir aplicaciones sencillas sobre él
El curso explica cómo funcionan los LLM por dentro, dos principios clave para escribir prompts eficaces y cómo usarlos para tareas como resumir, inferir sentimiento, transformar texto y ampliar notas breves a textos largos, y cierra con la creación de un chatbot a medida. Es corto a propósito y asume Python básico, por lo que es una buena rampa de entrada antes de un curso más largo.
5. Prompt Engineering for ChatGPT — Vanderbilt University (Coursera)
Prompt Engineering for ChatGPT, impartido por el Dr. Jules White en Vanderbilt, es una gran opción tanto para desarrolladores como para no técnicos que buscan una base rigurosa en técnicas de prompting, independiente de cualquier framework o base de código.
- Nivel: principiante (no se requiere experiencia previa)
- Duración: ~19 horas
- Coste: auditoría gratuita; suscripción a Coursera para el certificado
- Ideal para: estudiantes que quieren dominar patrones y técnicas de prompting que se transfieren entre ChatGPT, Claude y otros LLM basados en chat
El curso enseña a aplicar el prompt engineering de forma eficaz, usar patrones de prompt para desbloquear comportamientos más avanzados del modelo y crear aplicaciones basadas en prompts para el trabajo o proyectos personales.
6. Generative AI: Introduction to Large Language Models — LinkedIn Learning
Generative AI: Introduction to Large Language Models, impartido por Fred Nwanganga, es una buena opción para desarrolladores y responsables técnicos que quieren una explicación clara, sin código, de cómo funcionan los LLM antes de tocar una API.
- Nivel: principiante
- Duración: menos de 2 horas
- Coste: suscripción a LinkedIn Learning (a menudo incluida con carnés de biblioteca); prueba gratuita disponible
- Ideal para: desarrolladores que quieren que se les explique con claridad el modelo conceptual —redes neuronales, transformers, codificadores y decodificadores, atención— antes de escribir código
El curso trata qué son la IA generativa y los LLM, cómo han evolucionado, los fundamentos de deep learning en los que se apoyan y la mecánica de la arquitectura transformer, incluida la atención y la autoatención, y termina con una mirada a las implicaciones sociales de estos modelos.
7. Essentials of Large Language Models: A Beginner's Journey — Educative
Educative's Essentials of Large Language Models es una buena opción para desarrolladores que prefieren lecciones interactivas basadas en texto frente a ver vídeo, y que quieren un modelo mental a nivel de sistemas de cómo funcionan realmente los LLM.
- Nivel: principiante
- Duración: a tu ritmo, con texto y código
- Coste: suscripción a Educative
- Ideal para: desarrolladores que aprenden más rápido leyendo y ejecutando código en línea que viendo un screencast, y que quieren entender el "por qué" del comportamiento de los LLM, no solo las llamadas a la API
El curso cubre los fundamentos de los LLM desde primeros principios —arquitectura, tokenización, embeddings, atención y dinámica de entrenamiento— antes de pasar a flujos de trabajo prácticos para promptar e integrar herramientas para respuestas dinámicas.
Tabla comparativa de los mejores cursos de LLM
| Puesto | Curso | Formato de aprendizaje | Profundidad del programa | Coste / señal de resultados |
|---|---|---|---|---|
| 1 | Introduction to LLMs in Python — DataCamp | Nativo en IA, práctico | Arquitectura transformer, fine-tuning, Hugging Face | Inicio gratuito; AI Tutor personaliza cada lección |
| 2 | LLM Engineering — Udemy | Bootcamp en vídeo | APIs, fine-tuning (LoRA), agentes, proyectos end-to-end | Frecuentemente rebajado; distintivo de bestseller |
| 3 | The LLM Course — Hugging Face | Curso interactivo gratuito | Transformers, Tokenizers, Datasets, fine-tuning | Gratis; mantenido directamente por Hugging Face |
| 4 | ChatGPT Prompt Engineering for Developers — DeepLearning.AI | Vídeo corto | Prompting vía API, resumir, transformar texto | Gratis; ~1,5 horas |
| 5 | Prompt Engineering for ChatGPT — Vanderbilt | Curso en vídeo | Patrones de prompt, aplicaciones basadas en prompts | Auditoría gratuita; certificado de Coursera |
| 6 | Generative AI: Introduction to LLMs — LinkedIn Learning | Vídeo corto | Bases de redes neuronales, arquitectura transformer, atención | Suscripción a LinkedIn Learning; prueba gratis disponible |
| 7 | Essentials of LLMs: A Beginner's Journey — Educative | Interactivo basado en texto | Arquitectura, tokenización, embeddings, atención | Suscripción a Educative; formato sin vídeo |
Author
Josef Waples
FAQs
¿Necesito saber Python para hacer un curso de LLM?
En la mayoría de los cursos prácticos de esta lista —DataCamp, el curso de Hugging Face y los de Udemy y Databricks— sí, se espera que tengas nociones básicas de Python y familiaridad con APIs. Los cursos de prompting de Vanderbilt y el certificado profesional de IBM son más accesibles para perfiles no técnicos, ya que se centran en la técnica de prompting más que en el código.
¿Cuál es la diferencia entre un curso de prompt engineering y uno de ingeniería de LLM?
Un curso de prompt engineering te enseña a obtener mejores resultados de un modelo existente según cómo formulas las peticiones —no necesitas programar—. Un curso de ingeniería de LLM te enseña a construir sistemas alrededor de un modelo: llamar a APIs, ajustar modelos de código abierto, gestionar embeddings y recuperación, y desplegar el resultado.
¿Qué curso de LLM es mejor para principiantes absolutos?
Prompt Engineering for ChatGPT de Vanderbilt no requiere experiencia previa y es un punto de partida razonable para no técnicos. Para principiantes que sí quieran programar, Introduction to LLMs in Python de DataCamp está pensado para ser accesible, con el AI Tutor cubriendo las lagunas según surgen.
¿Debería aprender primero LLM de código abierto (Hugging Face) o APIs comerciales (OpenAI, Anthropic, Google)?
La mayoría de desarrolladores en activo acaban necesitando ambos. Las APIs comerciales te permiten construir más rápido; los modelos de código abierto te enseñan qué ocurre realmente por dentro y te dan control sobre el ajuste fino, el alojamiento y el coste. Cursos como los de DataCamp y Hugging Face se inclinan por open source; el bootcamp LLM Engineering de Udemy y los cursos cortos de DeepLearning.AI cubren ambos.
¿Cuánto se tarda en aprender LLM lo suficiente como para construir con ellos?
Un curso corto (1–3 horas) basta para sentirte cómodo llamando a una API y escribiendo buenos prompts. Para lograr una comprensión práctica, a nivel de código, de transformers, fine-tuning y RAG, calcula 15–30 horas con cursos como los de DataCamp, Hugging Face o Databricks. Profundizar lo suficiente como para ajustar y desplegar sistemas en producción, como en el bootcamp de Udemy de LLM Engineering, es más realista en un compromiso de 6–8 semanas.
