Prompteo
Gratis

Curso de Fundamentos de IA

Aprendé a usar modelos de lenguaje con criterio: cómo funcionan por dentro, cómo pedirles bien, cuándo desconfiar de sus respuestas y cómo trabajar con agentes de forma segura.

Unidades
7 unidades
Lecciones
15 lecciones
Ejercicios
114 ejercicios
Niveles
Básico → Avanzado
Empezar el cursoVer la ruta de aprendizaje completa

Niveles del curso

  • Básico

    2 unidades · 4 lecciones

  • Intermedio

    3 unidades · 6 lecciones

  • Avanzado

    2 unidades · 5 lecciones

Temario completo

  1. 1. Qué es un LLM

    Básico

    Cómo funciona por dentro un modelo de lenguaje: tokens, contexto, límites y por qué a veces responde distinto.

    Un modelo de lenguaje grande (LLM) genera texto prediciendo el siguiente token más probable a partir de todo lo que vino antes. Un token es una unidad de texto (a veces una palabra, a veces un fragmento de palabra); el modelo no ve letras ni palabras completas, y eso explica errores curiosos como contar mal las letras de una palabra.

    Lecciones

    • Predicción y tokens
    • Límites y variabilidad

  2. 2. Conversar bien

    Básico

    Pedidos claros, contexto útil e iteración: cómo convertir una conversación con IA en resultados concretos.

    La calidad de la respuesta depende directamente de la calidad del pedido. Un pedido vago ('hacéme un texto sobre ventas') obliga al modelo a adivinar; uno claro define qué querés, para quién y en qué formato.

    Lecciones

    • Pedidos claros
    • Conversaciones que fluyen

  3. 3. Técnicas de prompting

    Intermedio

    Few-shot, razonamiento paso a paso, delimitadores y formato de salida: técnicas concretas para pedir mejor.

    Más allá de pedir con claridad, existen técnicas concretas que mejoran resultados de forma consistente.

    Lecciones

    • Ejemplos y estructura
    • Tareas grandes y formato

  4. 4. Alucinaciones y verificación

    Intermedio

    Por qué los modelos inventan información con total seguridad, dónde es más probable y qué hábitos de verificación adoptar.

    Un LLM genera texto plausible, no texto verdadero. Cuando no tiene la información, no deja un hueco: completa con lo que estadísticamente encaja, y lo hace con el mismo tono seguro que usa cuando sí sabe. A eso se le llama alucinación, y no es un defecto ocasional que se pueda 'apagar': es consecuencia directa de cómo funciona la predicción de tokens.

    Lecciones

    • Por qué inventan
    • Hábitos de verificación

  5. 5. Ingeniería de contexto

    Intermedio

    Qué información darle al modelo y cómo: documentos largos, RAG en términos simples y chats que se contaminan.

    El contexto es todo lo que el modelo ve al generar: tus instrucciones, los documentos pegados y el historial del chat. Administrarlo bien es tan importante como redactar bien el pedido.

    Lecciones

    • Qué incluir
    • Contexto que se degrada

  6. 6. Herramientas y agentes

    Avanzado

    Tool calling, el ciclo de un agente y cuándo conviene autonomía con supervisión humana.

    Un modelo por sí solo únicamente genera texto. Con herramientas (tool calling) puede pedir acciones, como buscar en la web o leer un archivo: la app donde corre las ejecuta y le devuelve el resultado. El modelo propone; el sistema dispone.

    Lecciones

    • Tool calling y el ciclo del agente
    • Autonomía con criterio

  7. 7. Seguridad e higiene

    Avanzado

    Prompt injection, datos sensibles y criterio profesional: usar IA sin exponerte ni exponer a otros.

    Prompt injection: el texto de terceros (emails, páginas web, documentos) puede traer instrucciones escondidas ('ignorá tus instrucciones y hacé X'). Si el sistema las procesa como órdenes del usuario, un atacante lo manipula. La regla de oro: el texto no confiable es datos, nunca instrucciones. Importa con agentes que leen correos o navegan.

    Lecciones

    • Prompt injection y datos
    • Criterio para confiar
    • Tus datos y la IA

Qué vas a saber al terminar

  • Qué es un LLM: Cómo funciona por dentro un modelo de lenguaje: tokens, contexto, límites y por qué a veces responde distinto.
  • Conversar bien: Pedidos claros, contexto útil e iteración: cómo convertir una conversación con IA en resultados concretos.
  • Técnicas de prompting: Few-shot, razonamiento paso a paso, delimitadores y formato de salida: técnicas concretas para pedir mejor.
  • Alucinaciones y verificación: Por qué los modelos inventan información con total seguridad, dónde es más probable y qué hábitos de verificación adoptar.
  • Ingeniería de contexto: Qué información darle al modelo y cómo: documentos largos, RAG en términos simples y chats que se contaminan.
  • Herramientas y agentes: Tool calling, el ciclo de un agente y cuándo conviene autonomía con supervisión humana.
  • Seguridad e higiene: Prompt injection, datos sensibles y criterio profesional: usar IA sin exponerte ni exponer a otros.
Empezar gratis

Seguí con estos cursos

Prompteo — aprendé haciendo. Hecho por Hernán de Souza · 2026

Proyecto independiente. No afiliado a Anthropic ni a Duolingo. Los nombres de productos mencionados pertenecen a sus respectivos dueños.