15 minutosCómo construimos agentes efectivos: Barry Zhang, Anthropic
Diseñarás bucles de agentes más sencillos, con reglas de parada, límites de tarea y puntos de control humano claros.
AvanzadoAutomatizaciones
Fine-tuning de modelos LLM: curso de IA generativa
freeCodeCamp.org. Es un curso extenso que presenta primero la teoría y después el código, y cubre cuantización, LoRA, QLoRA y PEFT completo con Llama 2 y Gemma en hardware al alcance de la mayoría de los desarrolladores. Es lo más parecido en YouTube a acompañar a alguien con experiencia durante el proceso y respalda con presupuestos concretos de VRAM la afirmación del artículo de que «no necesitas un clúster».
Nota de AI Expert
Los nombres de modelos, precios y capacidades cambian rápidamente. Los modelos base del curso (Llama 2, Gemma) están desactualizados, pero las técnicas de LoRA, QLoRA y cuantización que enseña se aplican directamente a modelos actuales con pesos abiertos. Usa este curso para el patrón de decisión, luego verifica el comportamiento actual del modelo antes de adoptarlo.
Qué aprenderás
Podrás ejecutar de principio a fin fine-tuning con cuantización, LoRA y QLoRA en hardware que la mayoría de los desarrolladores ya posee.
Qué ver o saber antes
Python y comodidad básica con herramientas de ML; el curso se enfoca en hardware que la mayoría de los desarrolladores ya tienen.
Última revisión: 18 may 2026
Ver siguiente
Continúa por el mismo itinerario de aprendizaje con los siguientes vídeos complementarios seleccionados.
15 minutos
190 minutosCurso completo de LangGraph para principiantes – Agentes de IA complejos con Python
Podrás crear un agente LangGraph con estado tipado, enrutamiento condicional, puntos de control y herramientas, y valorar dónde compensa esa explicitud.
AvanzadoAutomatizaciones
8 minutosDegradación del contexto: cómo afecta el aumento de tokens de entrada al rendimiento de los LLM
Comprenderás cómo falla el contexto largo ante la ambigüedad y los distractores, y diseñarás pruebas que cubran ese riesgo.
AvanzadoIngeniería de prompts