Curso
Conceptos de LLMOps
1 h
18.6K
LLMOps es el conjunto de prácticas para ejecutar LLM en producción de forma fiable a medida que crece el uso y los modelos cambian con el tiempo. Parte de MLOps, pero añade cuestiones propias: versionado de prompts, canalizaciones de recuperación y almacenes vectoriales, evaluación de texto abierto y monitorización.
\nEsta lista clasifica los cursos según cuatro criterios:
\n- \n
- Profundidad conceptual: si el curso explica de verdad el ciclo de vida de LLMOps, o si solo muestra un script de despliegue y lo da por terminado \n
- Rigor práctico: si versionas datos, haces fine-tuning, despliegas y monitorizas una canalización real, y no solo ves un diagrama \n
- Cobertura de plataformas y herramientas: si el curso se limita a una nube o framework, o te ayuda a entender cómo encajan las piezas (MLflow, bases de datos vectoriales, CI/CD, servicios de LLM en la nube) \n
- Experiencia del instructor y resultados: quién lo imparte y qué eres capaz de operar después \n
Todos los cursos de esta lista se pueden empezar gratis; algunos son totalmente gratuitos de principio a fin, mientras que otros ofrecen un módulo introductorio gratuito, opción de oyente o prueba con ruta de pago para el curso completo o el certificado.
\n1. LLMOps Concepts — DataCamp
\nEl curso LLMOps Concepts de DataCamp es el mejor curso único para desarrolladores y responsables técnicos que quieren un mapa claro del ciclo de vida de LLMOps antes de tocar una sola herramienta de despliegue.
\n- \n
- Nivel: Principiante \n
- Duración: ~1 hora, a tu ritmo; inicio gratuito \n
- Coste: Inicio gratuito; acceso completo incluido con suscripción a DataCamp (~25 $ al mes) \n
- Ideal para: Desarrolladores y responsables técnicos que quieren una base conceptual enfocada en LLMOps sin comprometerse primero con una especialización completa \n
El curso recorre la fase de ideación de una aplicación con LLM antes de cubrir prompt engineering, agentes, cadenas y la disyuntiva RAG frente a fine-tuning en la fase de desarrollo, y cierra con despliegue, monitorización y gobierno del dato.
\nLo que destaca y por qué es el número uno en esta lista: el curso se apoya en el AI Tutor de DataCamp, que explica los conceptos en el contexto de la duda exacta que tengas. Las decisiones de LLMOps rara vez son blanco o negro —¿esto pasa por RAG o por fine-tuning?, ¿es deriva o ruido?— y un tutor que razona sobre tu caso concreto es de enorme ayuda.
\n2. LLMOps: Building Real-World Applications With Large Language Models — Udacity
\nEl curso de LLMOps de Udacity, creado en colaboración con Comet ML, es una gran opción para desarrolladores que quieren un curso gratuito, basado en proyectos, que trate LLMOps como una disciplina propia y no como un añadido a un curso teórico de LLM.
\n- \n
- Nivel: Intermedio \n
- Duración: A tu ritmo, basado en proyectos, distribuido en cuatro lecciones \n
- Coste: Gratis \n
- Ideal para: Desarrolladores que quieren saltarse los tutoriales solo teóricos e ir directos a seguimiento de experimentos, fine-tuning, despliegue y monitorización \n
El curso cubre el ciclo de vida de LLMOps y sus diferencias con MLOps, pasa a entrenamiento y selección de modelos, fine-tuning con seguimiento de experimentos y prompt engineering, y después versionado, depuración y despliegue. Por el camino, construyes un chatbot de soporte al cliente, un sistema de evaluación basado en LLM y un detector de clickbait, y cierra con prompt adversarial y una mirada a hacia dónde va LLMOps.
\n3. LLMOps Specialization — Duke University (Coursera)
\nLa especialización Large Language Model Operations de Duke University es una gran opción para desarrolladores que prefieren amplitud en varias nubes frente a profundidad en las herramientas de un único proveedor.
\n- \n
- Nivel: Intermedio \n
- Duración: Seis cursos, unas 38+ horas en total \n
- Coste: Gratis como oyente de cursos individuales; suscripción a Coursera para el certificado \n
- Ideal para: Desarrolladores que necesitan operar LLM en más de un entorno —Azure, AWS y Databricks— en lugar de estandarizar en uno solo \n
La especialización recorre los fundamentos de IA generativa y la arquitectura transformer, pasa a operacionalizar LLM en Azure, ingeniería de datos avanzada para canalizaciones de recuperación, IA generativa en AWS y patrones de despliegue de Databricks a local, y cierra con el stack open source de LLMOps. Es ideal para estudiantes que construyen un porfolio que demuestre que pueden operar LLM dondequiera que su empleador los ejecute.
\n4. LLMOps — DeepLearning.AI
\nEl curso de LLMOps de DeepLearning.AI, impartido por Erwin Huizenga de Google Cloud, es una gran opción para desarrolladores que quieren una visión rápida y enfocada de una canalización concreta de LLMOps en lugar de un programa de varias semanas.
\n- \n
- Nivel: De principiante a intermedio \n
- Duración: ~1–2 horas \n
- Coste: Gratis \n
- Ideal para: Desarrolladores que quieren ver una canalización completa y automatizada de fine-tuning a despliegue en lugar de un repaso general del campo \n
El curso guía por la recuperación y transformación de datos de entrenamiento para fine-tuning supervisado, el versionado de datos y modelos ajustados para seguir experimentos, la configuración y ejecución de una canalización de ajuste open source y la generación de puntuaciones de seguridad para monitorizar el comportamiento de la aplicación resultante. No exige experiencia previa en MLOps o LLMOps, por lo que es una primera parada razonable antes de un curso más largo y completo.
\n5. LLMOps: Building Production-Ready LLM Systems — Educative
\nEl curso LLMOps: Building Production-Ready LLM Systems de Educative es una buena opción para desarrolladores que quieren un curso textual, cargado de código, que profundiza en las partes de los sistemas LLM en producción que la mayoría de cursos pasan por alto.
\n- \n
- Nivel: Intermedio a avanzado \n
- Duración: A tu ritmo, basado en texto y código \n
- Coste: Suscripción a Educative \n
- Ideal para: Desarrolladores que buscan práctica en profundidad sobre evaluación RAG, versionado de prompts y seguridad en lugar de una visión conceptual \n
Este curso es una apuesta sólida para desarrolladores que ya dominan los conceptos y quieren practicar las partes más complejas y menos cubiertas de ejecutar LLM en producción. Trabaja la arquitectura de una app con LLM con canalizaciones separadas de ingesta e inferencia, técnicas RAG como chunking y almacenamiento de embeddings, gestión de prompts como artefactos versionados, métodos de evaluación de LLM —incluida la puntuación con LLM-as-a-judge— y endurecimiento para producción con controles de seguridad y despliegue en contenedores.
\n6. LLMOps and AIOps Bootcamp With 8 End-to-End Projects — Udemy
\nLLMOps and AIOps Bootcamp With 8 End-to-End Projects es una buena opción para desarrolladores que quieren montar un stack completo de CI/CD y cloud-native alrededor de aplicaciones con LLM en lugar de desplegar un único modelo aislado.
\n- \n
- Nivel: Intermedio a avanzado \n
- Duración: Formato bootcamp, múltiples proyectos end-to-end \n
- Coste: Suele estar rebajado durante las ofertas frecuentes de Udemy \n
- Ideal para: Desarrolladores, ingenieros de MLOps y entusiastas de IA que quieren practicar tanto la parte de infraestructura —Docker, Kubernetes, Jenkins, FastAPI y CI/CD en la nube— como la parte de LLM \n
El curso cubre la creación y despliegue de aplicaciones con LLM con LangChain, FAISS y ChromaDB; luego configura canalizaciones de CI/CD con Jenkins, GitHub Actions, CircleCI, GitLab y ArgoCD; y despliega con Docker, Kubernetes, FastAPI y servicios en la nube en AWS y GCP. Apuesta más por herramientas DevOps generales que la mayoría de cursos de LLMOps, lo que encaja con desarrolladores que quieren que su app con LLM se integre en un stack de producción existente en lugar de funcionar como un servicio independiente.
\n7. LLM Ops: Large Language Models in Production — Maven
\nEl LLM Ops Cohort Course de Maven, impartido por el Dr. Greg Loughnane y Chris Alexiuk, es una buena opción para quienes prefieren formación en vivo por cohortes.
\n- \n
- Nivel: Avanzado (se asume experiencia previa en data science o ML) \n
- Duración: Por cohortes, calendario fijo con sesiones en directo \n
- Coste: De pago; precio por cohorte establecido en Maven \n
- Ideal para: Data scientists y ML engineers con experiencia que quieren prototipar y poner en producción aplicaciones con LLM con un instructor en directo y una cohorte, en lugar de trabajar en solitario \n
El curso se centra en escribir código que lleve a producción aplicaciones con LLM usando herramientas estándar del sector, trabajando al nivel de abstracción adecuado para prototipado frente a producción. Se posiciona explícitamente por encima del nivel principiante —los instructores señalan que probablemente será demasiado avanzado para quienes empiezan—, así que es mejor abordarlo tras un curso fundamental de LLMOps y no como primera parada.
\nComparativa de los mejores cursos de LLMOps
\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
\n
| Puesto | Curso | Formato de aprendizaje | Profundidad del programa | Coste / señal de resultados |
|---|---|---|---|---|
| 1 | LLMOps Concepts — DataCamp | Nativo de IA, conceptual | Ciclo de vida, ideación, RAG vs. fine-tuning, despliegue | Inicio gratuito; AI Tutor personaliza cada lección |
| 2 | LLMOps: Building Real-World Applications — Udacity | Curso gratuito basado en proyectos | Seguimiento de experimentos, fine-tuning, despliegue, seguridad | Gratis; creado con Comet ML |
| 3 | LLMOps Specialization — Duke University (Coursera) | Especialización de seis cursos | Azure, AWS, Databricks, stack open source de LLMOps | Gratis como oyente; suscripción a Coursera para certificado |
| 4 | LLMOps — DeepLearning.AI | Curso corto en vídeo | Preparación de datos, fine-tuning supervisado, versionado, puntuaciones de seguridad | Gratis; ~1–2 horas |
| 5 | LLMOps: Building Production-Ready LLM Systems — Educative | Interactivo basado en texto | Evaluación RAG, versionado de prompts, refuerzo de seguridad | Suscripción a Educative; formato sin vídeo |
| 6 | LLMOps and AIOps Bootcamp — Udemy | Bootcamp en vídeo | CI/CD, Docker, Kubernetes, despliegue en la nube | Frecuentemente rebajado; 8 proyectos end-to-end |
| 7 | LLM Ops — AI Makerspace (Maven) | Curso en vivo por cohortes | Prácticas de prototipado y puesta en producción a nivel profesional | De pago; precio por cohorte |
Author
Josef Waples
