Los mejores cursos de Retrieval-Augmented Generation (RAG) en 2026

RAG ha pasado de ser una curiosidad de investigación a la arquitectura por defecto para casi cualquier aplicación con LLM que necesite trabajar con datos privados, recientes o muy específicos del dominio: asistentes de conocimiento internos, bots de soporte, preguntas y respuestas sobre documentos y herramientas de investigación se apoyan todas en el mismo patrón de recuperar y luego generar. Esta lista clasifica los cursos según cuatro criterios:

• Profundidad en recuperación — hasta qué punto el curso se toma en serio el chunking, los embeddings, las bases de vectores y la calidad de la recuperación, en lugar de tratar la base vectorial como una caja negra
• Rigor práctico — si los estudiantes realmente construyen y consultan un pipeline de recuperación funcional, y no solo ven cómo se construye
• Actualización del programa — las buenas prácticas de RAG (búsqueda híbrida, reranking, recuperación agentic, evaluación) evolucionan rápido, así que un curso escrito hace incluso un año puede enseñar un patrón desfasado
• Experiencia del instructor y resultados — quién lo imparte y qué habilidades concretas te llevas al terminar

Todos los cursos de esta lista se pueden empezar gratis; algunos son completamente gratuitos de principio a fin, mientras que otros ofrecen un módulo introductorio, opción de auditoría o prueba gratuita con una ruta de pago para el itinerario completo o el certificado.

1. Retrieval-Augmented Generation with LangChain — DataCamp

El curso de DataCamp Retrieval-Augmented Generation with LangChain es la mejor opción única para desarrolladores que quieren ir directos al núcleo de RAG: crear aplicaciones con LLM fundamentadas en conocimiento que recuperan información relevante de fuentes estructuradas y no estructuradas antes de generar una respuesta.

• Nivel: Intermedio
• Duración: Parte de un itinerario de ~21 horas
• Coste: Empieza gratis; acceso completo incluido con la suscripción a DataCamp
• Ideal para: Desarrolladores que quieren una introducción práctica y enfocada específicamente en RAG

El curso forma parte del itinerario más amplio de DataCamp AI Engineering with LangChain, que incluye fundamentos de aplicaciones con LLM, evaluación con LangSmith y prompt engineering, de modo que llegas cómodo con chains y salida estructurada antes de abordar la recuperación. 

Lo que marca la diferencia, y por lo que ocupa el número uno: el curso se imparte con el AI Tutor de DataCamp, que personaliza las explicaciones en tiempo real según tu rol, nivel y objetivos. Para un tema tan propenso al debugging como la recuperación — donde el mismo fallo puede venir del chunking, los embeddings o el prompting — contar con un tutor que adapte su explicación es una auténtica ventaja.

2. LangChain Academy — LangChain

LangChain Academy es la academia gratuita oficial de LangChain y una gran opción para mantenerte al día, mantenida directamente por el equipo que desarrolla el framework.

• Nivel: De principiante a avanzado (modular, a tu ritmo)
• Duración: A tu ritmo; los módulos van de 30 minutos a varias horas
• Coste: Gratis
• Ideal para: Desarrolladores que quieren aprender RAG directamente con lecciones oficiales enlazadas a la documentación, sin desfase entre el curso y las versiones de la librería

La academia está organizada en torno a agentes y flujos de trabajo de recuperación con LangGraph, con módulos sobre cómo crear agentes de recuperación que deciden cuándo buscar y cuándo responder a partir del contexto — un patrón clave para asistentes de RAG en producción. Al mantenerse al ritmo de la librería, evita enseñar sintaxis obsoleta, aunque exige más autoorganización que un curso estructurado con plan de estudios y tareas.

3. Learn Retrieval Augmented Generation — Boot.dev

El curso de Boot.dev Learn Retrieval Augmented Generation es una gran opción basada en proyectos para desarrolladores que quieren entender las piezas básicas de la recuperación implementándolas desde cero, en lugar de llamar al objeto retriever de un framework y dar por hecho que funciona.

• Nivel: Intermedio (se asume soltura con Python)
• Duración: A tu ritmo, basado en proyectos
• Coste: Empieza gratis; la membresía de pago desbloquea funciones interactivas completas
• Ideal para: Desarrolladores cuyos sistemas RAG fallan de formas que no saben depurar porque nunca han construido por sí mismos la mecánica de búsqueda subyacente

El curso te lleva a construir en Python una canalización completa de búsqueda y RAG empezando por búsqueda por palabras clave, pasando por índices invertidos y ponderación TF-IDF, hasta embeddings vectoriales, métricas de similitud y búsqueda semántica, y culminando en recuperación híbrida que combina puntuación léxica y semántica. Es una buena elección si quieres profundizar en la mecánica de la recuperación a mano.

4. LangChain & Vector Databases in Production — Activeloop

LangChain & Vector Databases in Production es un curso sólido, centrado en producción, para desarrolladores que ya han creado un prototipo de RAG y necesitan llevarlo más lejos: escalado, evaluación y despliegue.

• Nivel: Avanzado
• Duración: ~40 horas, 35 lecciones en 7+ proyectos prácticos
• Coste: Auditoría gratuita; certificado de pago disponible
• Ideal para: Desarrolladores que van a llevar una aplicación RAG del cuaderno a producción

El curso cubre cómo desplegar aplicaciones con LangChain, evaluar la calidad de recuperación y generación, optimizar coste y latencia, y trabajar con Deep Lake como base vectorial. Es de los cursos más exigentes de la lista y presupone familiaridad real con LangChain — mejor como siguiente paso tras un curso de fundamentos que como punto de partida.

5. AI Engineer Path — Scrimba

El AI Engineer Path de Scrimba es una opción nativa de JavaScript para desarrolladores cuyo stack es Node, Next.js u otro runtime de JS en lugar de Python.

• Nivel: De principiante a intermedio
• Duración: ~11,4 horas de lecciones interactivas en formato scrim
• Coste: Empieza gratis; Scrimba Pro para acceso completo
• Ideal para: Desarrolladores de JavaScript y TypeScript que no quieren cambiar a Python solo para aprender RAG

El itinerario reúne RAG con agentes, MCP y context engineering, y el formato interactivo de Scrimba te hace escribir y ejecutar código funcional en línea en lugar de ver un vídeo pasivamente. Como la mayoría del material de RAG se enseña en Python, es una opción muy útil para equipos que trabajan primero con JS.

6. Building RAG Applications with LangChain — freeCodeCamp

Building RAG Applications with LangChain es el curso de YouTube de formato largo de freeCodeCamp y una buena opción gratuita y completamente abierta para desarrolladores que aprenden mejor siguiendo una única sesión extensa paso a paso.

• Nivel: Intermedio
• Duración: ~2,5 horas, una sola sesión
• Coste: Gratis
• Ideal para: Desarrolladores autodidactas que quieran construir una aplicación RAG completa de principio a fin, sin secciones de pago

Impartido por un ingeniero de software de LangChain, el curso construye un pipeline RAG desde cero: indexación, recuperación, generación y estrategias de traducción de consultas como Multi-Query, RAG Fusion, Decomposition, Step Back y HyDE. Es menos estructurado que un itinerario formal y toca menos aspectos de producción, pero es realmente gratuito de principio a fin y profundiza más en la traducción de consultas que la mayoría de opciones introductorias.

7. Agentic AI Engineering with LangChain & LangGraph — Udemy

Agentic AI Engineering with LangChain & LangGraph es una gran elección para desarrolladores que quieren combinar recuperación con agentes autónomos que usan herramientas, en lugar de tratar la recuperación como una habilidad aislada.

• Nivel: Intermedio a avanzado (se espera base de ingeniería de software y soltura con Python)
• Duración: ~19 horas repartidas en 28 secciones
• Coste: De pago (con descuentos frecuentes)
• Ideal para: Desarrolladores que construyen agentes que deben decidir cuándo recuperar y no solo responder con una ventana de contexto fija

Regrabado recientemente para cubrir LangChain v1.2+ y el ecosistema actual de LangGraph, el curso recorre la evolución de las arquitecturas de agentes desde el prompting ReAct inicial hasta las llamadas a funciones nativas y la orquestación con LangGraph. No es para principiantes, pero ofrece una visión al día de cómo encajan la recuperación y el uso agentic de herramientas, y utiliza la misma pila LangChain/LangGraph/LangSmith que aparece en la mayoría de despliegues en producción hoy.

8. Introduction to Vector Databases with Pinecone — 365 Data Science

Introduction to Vector Databases with Pinecone es una gran opción para desarrolladores que quieren profundizar en la parte de recuperación de RAG específicamente, en lugar de tratar la base vectorial como una caja negra.

• Nivel: Intermedio (conocer embeddings, APIs o LangChain ayuda, pero no es obligatorio)
• Duración: A tu ritmo
• Coste: Empieza gratis; acceso completo incluido con la suscripción a 365 Data Science
• Ideal para: Desarrolladores cuyas aplicaciones RAG rinden por debajo por la calidad de la recuperación, no por la generación

El curso se centra en espacios vectoriales, métricas de distancia y algoritmos de embedding, y los aplica mediante un caso práctico construyendo un buscador semántico con Pinecone — incluyendo upserting, búsqueda por similitud y aplicaciones como sistemas de recomendación y búsqueda biomédica. Por diseño es más acotado que otros cursos de la lista, y funciona mejor como complemento en profundidad a un curso de RAG más amplio.

9. Retrieval Augmented Generation (RAG) — DeepLearning.AI

El curso de DeepLearning.AI Retrieval Augmented Generation, disponible en Coursera, es una opción con credenciales del sector para desarrolladores que prefieren construir un sistema RAG de producción de forma sistemática, componente a componente, en lugar de un único demo de extremo a extremo.

• Nivel: Intermedio (se espera Python y conceptos básicos de ML)
• Duración: ~1 mes a ritmo estándar, cinco módulos
• Coste: Auditoría gratuita; Coursera Plus para el certificado
• Ideal para: Desarrolladores que quieren entender cada capa de un sistema RAG — recuperador, base vectorial y generador — antes de ensamblarlas

El curso recorre la arquitectura del recuperador empezando por la búsqueda por palabras clave con TF-IDF y BM25, pasa a la búsqueda semántica y los embeddings vectoriales, y luego cubre búsqueda híbrida, algoritmos de vecinos más cercanos aproximados, chunking, análisis de consultas y reranking con cross-encoder usando la API de Weaviate. Los módulos finales tratan prompt engineering, detección de alucinaciones y diseño de sistemas agentic, y cierran con el monitoreo y evaluación de un sistema RAG de extremo a extremo, incluyendo compromisos de coste, capacidad y seguridad. 

Tabla comparativa de los mejores cursos de RAG