Curso
Conceptos de grandes modelos lingüísticos (LLM)
2 h
103.8K
Los modelos de lenguaje grandes han pasado de ser una curiosidad de laboratorio a un tema sobre el que se espera que todo desarrollador tenga opinión, ya sea para llamar a una API, ajustar un modelo open source o explicar a un equipo de producto por qué el chatbot acaba de inventarse una política de reembolsos.
Para ayudarte, hemos preparado un ranking de cursos según cuatro criterios:
- Profundidad conceptual: si el curso explica de verdad los tokens, los embeddings, la atención y la arquitectura transformer
- Rigor práctico: si escribes código que llama, ajusta o sirve un modelo real
- Cobertura de plataformas y modelos: si el curso se limita a una API o te da visión de modelos open source frente a propietarios
- Experiencia del instructor y resultados: quién lo imparte y qué serás capaz de construir al terminar
1. Introduction to LLMs in Python — DataCamp
DataCamp's Introduction to LLMs in Python es el mejor curso único para desarrolladores que quieren ir más allá del "llama a la API de OpenAI" y entender de verdad la arquitectura transformer que hay bajo cada LLM moderno.
- Nivel: Intermedio
- Duración: ~3 horas, a tu ritmo; inicio gratuito
- Precio: Inicio gratuito; acceso completo incluido con suscripción a DataCamp (~25 $/mes)
- Ideal para: Desarrolladores que quieren una introducción enfocada y práctica a LLMs y transformers sin comprometerse primero con una especialización completa
El curso cubre la mecánica de las arquitecturas transformer antes de pasar al uso de modelos y datasets preentrenados de Hugging Face, su ajuste fino para tareas específicas y la evaluación de resultados.
Lo que marca la diferencia y por qué es el número uno: el curso se ejecuta con el AI Tutor de DataCamp, que explica los errores en el contexto del código exacto que estás viendo. Los fallos en LLM rara vez se entienden solo con el stack trace y un tutor que razona sobre tu error concreto supera con creces el ensayo y error.
2. LLM Engineering: Master AI, Large Language Models & Agents — Udemy
LLM Engineering es una gran opción para desarrolladores que quieren un único curso integral, centrado en proyectos, que vaya desde llamar a APIs comerciales hasta ajustar modelos open source y construir agentes.
- Nivel: Intermedio (se requiere Python)
- Duración: ~30+ horas de contenido en 200+ lecciones; calcula 6–8 semanas con proyectos
- Precio: Suele tener grandes descuentos en las frecuentes promociones de Udemy
- Ideal para: Desarrolladores que quieren un recorrido por la ingeniería de LLM que cubra modelos propietarios y open source
El instructor, Ed Donner, fue CEO de una startup de IA y director general en JPMorgan Chase. El curso avanza desde estructurar prompts y entender la tokenización, pasando por el ajuste fino de modelos open source con LoRA y cuantización, hasta la construcción de sistemas multiagente.
3. The LLM Course — Hugging Face
Hugging Face's LLM Course es una opción excelente para desarrolladores que quieren entender las librerías que realmente sostienen la mayoría de proyectos open source con LLM: Transformers, Datasets, Tokenizers y Accelerate.
- Nivel: Principiante a intermedio
- Duración: ~15–20 horas, a tu ritmo
- Precio: Gratuito, con certificado disponible
- Ideal para: Desarrolladores que quieren trabajar directamente con modelos open source y el Hugging Face Hub en lugar de quedarse dentro de la API de un único proveedor
Como lo mantiene el propio Hugging Face y se actualiza a medida que evoluciona el ecosistema, es una apuesta segura frente a enseñar APIs obsoletas — aunque se inclina hacia el ecosistema de Hugging Face en lugar de cubrir a fondo 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: Principiante a intermedio
- Duración: ~1,5 horas
- Precio: Gratis
- Ideal para: Desarrolladores que quieren pasar de escribir prompts a mano en ChatGPT 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 redactar prompts eficaces y cómo usarlos para tareas como resumir, inferir sentimiento, transformar texto y ampliar notas cortas a textos más largos, para terminar construyendo un chatbot a medida. Es breve 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 perfiles no técnicos que quieren una base rigurosa en técnicas de prompting en concreto, independiente de cualquier framework o base de código.
- Nivel: Principiante (no se requiere experiencia previa)
- Duración: ~19 horas
- Precio: 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 prompting para desbloquear comportamientos más avanzados y construir 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 y sin código de cómo funcionan los LLM antes de tocar una API.
- Nivel: Principiante
- Duración: Menos de 2 horas
- Precio: Suscripción a LinkedIn Learning (a menudo incluida con carnés de biblioteca); prueba gratuita disponible
- Ideal para: Desarrolladores que quieren comprender con claridad el modelo conceptual — redes neuronales, transformers, codificadores y decodificadores, atención — antes de escribir código
El curso cubre qué son la IA generativa y los LLM, cómo han evolucionado, las bases de deep learning en las que se apoyan y la mecánica de la arquitectura transformer, incluida la atención y la autoatención, para terminar 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 sobre cómo funcionan realmente los LLM.
- Nivel: Principiante
- Duración: A tu ritmo, con texto y código
- Precio: Suscripción a Educative
- Ideal para: Desarrolladores que aprenden más rápido leyendo y ejecutando código en línea que viendo screencasts, y que quieren el "por qué" detrás del comportamiento de los LLM, no solo las llamadas a la API
El curso repasa 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 crear prompts e integrar herramientas para respuestas dinámicas.
Tabla comparativa de los mejores cursos de LLM
| Puesto | Curso | Formato de aprendizaje | Profundidad del programa | Precio / Señal de resultados |
|---|---|---|---|---|
| 1 | Introduction to LLMs in Python — DataCamp | Nativo de IA, práctico | Arquitectura transformer, ajuste fino, Hugging Face | Inicio gratuito; AI Tutor personaliza cada lección |
| 2 | LLM Engineering — Udemy | Bootcamp en vídeo | APIs, ajuste fino (LoRA), agentes, proyectos end-to-end | Frecuentes descuentos; distintivo de más vendido |
| 3 | The LLM Course — Hugging Face | Curso interactivo gratuito | Transformers, Tokenizers, Datasets, ajuste fino | Gratis; mantenido directamente por Hugging Face |
| 4 | ChatGPT Prompt Engineering for Developers — DeepLearning.AI | Curso corto en vídeo | Prompting vía API, resumen, transformación de texto | Gratis; ~1,5 horas |
| 5 | Prompt Engineering for ChatGPT — Vanderbilt | Curso en vídeo | Patrones de prompts, aplicaciones basadas en prompts | Auditoría gratuita; certificado de Coursera |
| 6 | Generative AI: Introduction to LLMs — LinkedIn Learning | Curso corto en vídeo | Bases de redes neuronales, arquitectura transformer, atención | Suscripción a LinkedIn Learning; prueba gratuita 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 cursos de Udemy y Databricks — sí, se espera que tengas conocimientos básicos de Python y cierta 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 apoyan 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 a través de cómo formulas las solicitudes — sin necesidad de código. Un curso de ingeniería de LLM te enseña a construir sistemas alrededor de un modelo: llamar a APIs, ajustar modelos open source, gestionar embeddings y la 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 quieren programar, Introduction to LLMs in Python de DataCamp está pensado para ser accesible, con el AI Tutor cubriendo lagunas a medida que surgen.
¿Debería aprender primero LLM open source (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 open source te enseñan qué ocurre bajo el capó 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 mundos.
¿Cuánto tiempo 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. Una comprensión operativa, a nivel de código, de transformers, ajuste fino y RAG suele llevar entre 15 y 30 horas con cursos como los de DataCamp, Hugging Face o Databricks. Profundizar lo suficiente como para ajustar y desplegar sistemas de producción, como en el bootcamp LLM Engineering de Udemy, es más realista en un compromiso de 6–8 semanas.
