Máster en Ingeniería de IA Agéntica y Automatización

Si no tienes experiencia previa en Python, contarás con un prework de nivelación diseñado para que adquieras las bases necesarias antes de comenzar el máster. Aprenderás los fundamentos del lenguaje a través de contenido práctico, dinámico y autocorregible, y podrás obtener la certificación oficial IT Specialist Python (ITS-303). 

Introducción a la programación Introducción a Python Tipos de datos Variables Operaciones básicas de entrada y salida Operadores básicos Valores booleanos Ejecución condicional

Bucles Operaciones bit a bit Listas Funciones Tuplas y diccionarios Excepciones

Este tema introduce la automatización moderna y el papel de la IA generativa en entornos empresariales. Se analiza la evolución desde scripting y RPA hacia sistemas basados en modelos, APIs y agentes. También se aborda el ecosistema generativo y la configuración práctica del entorno técnico de trabajo para proyectos de IA. 

Evolución de la automatización​ Identificación de procesos automatizables​ Ecosistema de la IA generativa​ Capacidades y límites

Evaluación del uso de la IA en decisiones​ Modelos generativos (texto, imagen, audio)​ Configuración de Python y VS Code​ Resolución de problemas del entorno​

Este tema presenta los fundamentos del aprendizaje automático y profundo, así como las bases conceptuales de los modelos de lenguaje. Se explican los principios de entrenamiento, inferencia y uso práctico de modelos en contextos empresariales y de automatización.

Introducción al machine learning​ Fundamentos del deep learning​ Transformers​ Introducción técnica a la IA generativa​ Bases de los LLMs

Aprendizaje de los modelos​ Tipos de modelos y datos​ Prompting e inferencia​ Usos empresariales​ Límites y riesgos​

La mayor parte de la automatización moderna se basa en la integración entre servicios digitales mediante APIs. Este módulo enseña cómo construir automatizaciones robustas que conecten plataformas, servicios y aplicaciones mediante programación. Se trabajan patrones habituales en integraciones empresariales, gestión de autenticación, manejo de errores y automatización basada en eventos. Los estudiantes aprenderán a diseñar integraciones que permitan automatizar procesos completos entre múltiples sistemas.

Consumo de APIs REST desde Python​ Autenticación mediante tokens, OAuth y claves de API​ Gestión de paginación, rate limits y errores en integraciones​ Diseño de automatizaciones entre múltiples servicios digitales​

Automatización basada en eventos y uso de webhooks​ Desarrollo de scripts para integraciones empresariales​ Estructuración de proyectos de integración entre sistemas​ Diseño de pipelines automatizados de intercambio de datos​

Este módulo se centra en el uso práctico de modelos generativos mediante APIs. Los estudiantes aprenderán a integrar capacidades de inteligencia artificial dentro de sistemas automatizados, utilizando SDKs y APIs disponibles en las principales plataformas de IA. Se abordarán aspectos como gestión de contexto, optimización de llamadas, control de costes y diseño de aplicaciones que utilizan modelos como componentes dentro de un sistema mayor. Se trabajará con técnicas de Prompt Engineering para diseñar instrucciones eficaces.​

Integración de modelos generativos mediante APIs desde Python​ Diseño de aplicaciones basadas en modelos como servicio​ Gestión de contexto y conversación en llamadas a modelos​ Aplicación de técnicas de prompt engineering para automatización​ Optimización del uso de tokens y control de costes operativos​

Implementación de streaming de respuestas en aplicaciones​ Gestión de errores y latencias en llamadas a modelos​ Diseño de pipelines automatizados con integración de IA​ Fundamentos de LLMOps​ Observabilidad en sistemas basados en modelos de IA​

Las aplicaciones empresariales requieren que los modelos accedan a información específica de la organización. Este módulo introduce las técnicas de Retrieval Augmented Generation (RAG), que permiten conectar modelos generativos con bases de conocimiento, documentos y datos corporativos. Se enseñará cómo construir sistemas que combinen recuperación de información y generación de texto para crear asistentes capaces de trabajar con conocimiento especializado.

Fundamentos de arquitecturas RAG​ Funcionamiento de embeddings Generación y uso de embeddings para recuperación semántica​ Construcción de bases de datos vectoriales para conocimiento empresarial​ Diseño de pipelines de indexación de documentos​

Uso de LangChain y LangGraph en sistemas de recuperación​ Integración de recuperación de información en aplicaciones con IA​ Evaluación de calidad y relevancia en sistemas de búsqueda semántica​ Desarrollo de asistentes basados en conocimiento especializado​

En este tema, los alumnos aprenderán a diseñar y construir herramientas y procesos de automatización preparados para su uso por agentes de IA. Se abordarán principios de integración, definición de funciones, estructuración de flujos y buenas prácticas de desarrollo. Además, se introducirá el protocolo MCP como mecanismo para conectar agentes con herramientas inteligentes, permitiendo orquestar tareas, intercambiar datos y escalar soluciones automatizadas de forma segura, eficiente y flexible en distintos contextos empresariales y tecnológicos actuales globales.​

Uso de herramientas externas por modelos de IA​ Diseño de herramientas para agentes de IA​ Integración con frameworks y librerías de automatización​ Implementación de búsqueda en internet en agentes de IA​

Ejecución de código automatizada en sistemas de IA​ Implementación del protocolo MCP​ Procesamiento de documentos: del OCR a modelos de visión​ Evaluación de frameworks y librerías de integración​

Este tema tiene como objetivo aprender a utilizar los principales modelos de IA Generativa Open Source y explorar el ecosistema actual, comprendiendo sus características, diferencias y casos de uso. Los alumnos aprenderán a instalar, configurar y ejecutar modelos en entornos locales, evaluando rendimiento, costes y privacidad. Se trabajará con herramientas y flujos que permitan integrar estos modelos en aplicaciones reales, fomentando la autonomía técnica y la capacidad de desplegar soluciones de IA sin depender de infraestructuras externas.​

Introducción al ecosistema de modelos de IA open source​ Instalación y ejecución de modelos en entornos locales​ Uso de Ollama para la gestión de modelos locales​ Uso de Hugging Face para la descarga y gestión de modelos​

Comparación de rendimiento, costes y requisitos de hardware​ Buenas prácticas en gestión de datos y privacidad​ Experimentación con modelos en tareas de NLP, visión y audio​

Este módulo introduce uno de los enfoques más relevantes en la evolución reciente de la automatización: los sistemas basados en agentes. Se estudiará cómo los modelos generativos pueden actuar como componentes capaces de planificar tareas, utilizar herramientas y gestionar procesos complejos. Los estudiantes también aprenderán a diseñar arquitecturas de agentes capaces de coordinar los procesos aprendidos hasta el momento, construyendo sistemas inteligentes que ejecutan tareas automatizadas utilizando APIs, datos y servicios externos.​

Arquitectura de sistemas basados en agentes​ Diseño de agentes con uso de herramientas y APIs externas​ Implementación de mecanismos de planificación y ejecución de tareas​ Gestión de memoria y contexto en agentes​

Diseño de sistemas multiagente para tareas complejas​ Integración de agentes en flujos de automatización empresarial​ Evaluación de fiabilidad y control en sistemas agénticos​

En este tema, los alumnos aprenderán a diseñar y desarrollar agentes conversacionales capaces de interactuar en tiempo real, tanto por chat como mediante llamadas telefónicas o voz. Se abordarán técnicas de síntesis y reconocimiento de voz, así como integración con plataformas de comunicación. Los estudiantes explorarán flujos de conversación, manejo de contextos y buenas prácticas para crear experiencias fluidas y naturales, preparando agentes que puedan asistir, informar y atender usuarios de manera autónoma y eficiente​

Diseño de agentes conversacionales para chat y voz​ Implementación de reconocimiento y síntesis Gestión de contextos y flujos conversacionales​ Integración con plataformas de comunicación en tiempo real​ Optimización de respuestas para interacción natural​

Evaluación de desempeño de agentes conversacionales​ Buenas prácticas en atención automatizada y experiencia de usuario​ Proyecto final de tema: Desarrollo de un agente conversacional para atención simultánea en chat y voz​

La automatización de procesos reales requiere coordinar múltiples servicios, modelos y herramientas. Este módulo aborda la orquestación de workflows complejos que integran diferentes componentes tecnológicos. Los estudiantes aprenderán a diseñar pipelines que combinan automatización basada en APIs, agentes de IA y procesamiento de datos dentro de arquitecturas robustas y mantenibles.

Diseño de workflows de automatización multiservicio Implementación de pipelines de datos y procesamiento automatizado​ Gestión de dependencias y ejecución de tareas​ Diseño de automatización basada en eventos​

Implementación de sistemas de colas y procesamiento asíncrono​ Monitorización y depuración de pipelines de automatización​ Diseño de arquitecturas de automatización escalables​

Este módulo aborda el uso de Python como lenguaje de orquestación para sistemas de automatización. Se profundiza en patrones de desarrollo utilizados en proyectos reales, incluyendo estructuración de proyectos, gestión de errores, logging, automatización de tareas del sistema y construcción de scripts robustos. El objetivo es que los participantes puedan desarrollar automatizaciones mantenibles y preparadas para entornos de producción.​

Diseño de proyectos de automatización estructurados en Python​ Implementación logging y monitorización en scripts automatizados​ Gestión de errores y reintentos en procesos automatizados​ Automatización de tareas del sistema operativo desde Python​

Implementación de jobs programados y procesos recurrentes​ Construcción de herramientas reutilizables para automatización​ Integración de scripts de automatización en pipelines mayores

Muchas plataformas empresariales se utilizan a través de interfaces web. Este módulo enseña a automatizar la interacción con aplicaciones web mediante herramientas de automatización de navegadores. Los estudiantes aprenderán a construir bots capaces de navegar sitios, interactuar con formularios, extraer información y ejecutar procesos automatizados en plataformas online.

Automatización de navegadores mediante frameworks modernos​ Interacción con elementos dinámicos de aplicaciones web​ Automatización de formularios y flujos de navegación complejos​ Extracción de datos estructurados de páginas web​

Diseño de bots para interacción con servicios online​ Gestión de sesiones, autenticación y cookies​ Integración de automatización web en pipelines de procesos​

En muchos entornos empresariales existen sistemas legacy que no ofrecen interfaces de integración. Este módulo introduce las técnicas de Robotic Process Automation (RPA) para automatizar aplicaciones que solo pueden utilizarse a través de su interfaz gráfica. Se aprenderá a construir robots mediante herramientas de RPA open source capaces de interactuar con aplicaciones de escritorio, ejecutar procesos repetitivos y conectar sistemas que no ofrecen mecanismos de integración programática.​

Fundamentos de la automatización basada en interfaz​ Automatización de aplicaciones de escritorio mediante robots​ Diseño de automatizaciones robustas frente a cambios de interfaz Integración de RPA con automatización basada en APIs

Automatización de procesos administrativos repetitivos​ Diseño de flujos híbridos de automatización​ Gestión de errores y recuperación en robots​

La orquestación de agentes de IA con RPA y técnicas de automatización de interfaces permite crear sistemas capaces de interactuar con software de forma similar a un usuario humano. Este módulo explora este enfoque emergente, en el que los agentes interpretan información visual, toman decisiones y ejecutan acciones dentro de aplicaciones. Se analizarán sus aplicaciones en automatización avanzada y sus limitaciones actuales.​

Diseño de agentes capaces de ejecutar acciones en el sistema Integración de control de teclado y ratón en flujos automatizados​ Uso de visión por computador para interpretación de interfaces​ Desarrollo de agentes que combinan IA y automatización de GUI​

Diseño de arquitecturas híbridas de agentes y RPA​ Evaluación de fiabilidad y control en agentes que operan software​ Integración de agentes en procesos empresariales​

En este tema, los alumnos aprenderán a desplegar sistemas de automatización inteligente en entornos locales, controlando la infraestructura, la seguridad y el rendimiento. Se abordarán aspectos de instalación, configuración y orquestación de agentes, herramientas y servicios de IA, así como la integración de flujos automatizados en la empresa o proyectos personales. Los estudiantes adquirirán habilidades para operar de manera autónoma sistemas completos de automatización, maximizando eficiencia, privacidad y escalabilidad sin depender de servicios en la nube.​

Instalación y configuración de sistemas de automatización en entornos locales​ Despliegue de agentes inteligentes y herramientas asociadas​ Orquestación de flujos automatizados en entornos controlados​ Monitorización de rendimiento y seguridad del sistema​ Gestión de dependencias y actualizaciones en entornos locales​

Creación de frontends con Gradio y Streamlit​ Integración de APIs con frontends y monitorización​ Evaluación de coste y rendimiento​ Optimización de sistemas para eficiencia y escalabilidad​

El despliegue de sistemas de automatización requiere infraestructuras capaces de ejecutar workflows, agentes y servicios de IA de forma escalable. Este módulo introduce los principios del uso del cloud para desplegar soluciones de automatización. Se estudiarán servicios de computación, contenedores, serverless y arquitecturas basadas en eventos que permiten operar sistemas automatizados en entornos productivos.​

Diseño de arquitecturas de automatización en cloud​ Despliegue de servicios de automatización en contenedores​ Uso de funciones serverless para automatización​ Despliegue de modelos open source​ Implementación de pipelines de automatización en entornos cloud​

Gestión de almacenamiento y colas de mensajes​ Integración de servicios de IA en arquitecturas cloud​ Diseño de sistemas escalables y resilientes​ Evaluación de coste y rendimiento​

Este módulo aborda los aspectos legales, regulatorios y de gobernanza necesarios para desarrollar soluciones de automatización basadas en IA generativa, incluyendo prácticas de ciberseguridad, trazabilidad y auditoría. Los participantes aprenderán a implementar sistemas seguros, responsables y alineados con la legislación vigente, garantizando protección de datos, control de riesgos y cumplimiento de normativas en entornos empresariales.​

Legislación aplicable a IA y automatización​ Identificación de riesgos legales, éticos y operativos​ Aplicación de prácticas de ciberseguridad en sistemas automatizados​ Implementación de trazabilidad y control de decisiones​

Diseño de mecanismos de auditoría en pipelines y agentes​ Gestión de versiones y despliegues de automatizaciones​ Cumplimiento de normativas de privacidad y protección de datos​ Control de costes y eficiencia en el uso de modelos de IA