El curso de  Introducción a la Inteligencia Artificial con Python, Linux VPS, ChatGPT y N8N, ofrece una formación integral, desde fundamentos hasta aplicaciones prácticas, combinando IA, Python, Linux y herramientas modernas para el desarrollo de soluciones tecnológicas avanzadas. Esta dirigido a estudiantes y profesionales que deseen conocer el uso e implementación de la inteligencia artificial desde un punto de vista técnico e integración con sus sistemas para aprovechar ChatGPT y otros motores de I.A.

El curso consta de 2 módulos

Módulo I:  Introducción a la Inteligencia Artificial, Linux VPS, Programación con Python y JavaScript (36 horas)

Este módulo introductorio cubre los conceptos esenciales de la inteligencia artificial (IA), incluyendo su historia, fundamentos matemáticos y disciplinas relacionadas como el aprendizaje automático y profundo. Se exploran modelos de lenguaje como los de OpenAI y se realizan actividades prácticas con herramientas como Git/GitHub y sistemas GNU/Linux en un entorno VPS (gestión de procesos, seguridad, configuración de servidores).

Además, se introduce la programación en Python (desde sintaxis básica hasta programación orientada a objetos) con ayuda de IA para generación y depuración de código, culminando en un proyecto de microservicio para credenciales seguras. Finalmente, se abordan bases de datos relacionales (SQL y PostgreSQL) y su integración con Python mediante SQLAlchemy y Django. Adicional a ello se ven los fundamentos de desarrollo Web con HTML, CSS y JavaScript

Módulo II: Aprendizaje Profundo en Inteligencia Artificial, n8n y Aplicaciones Prácticas

Este módulo ofrece una base práctica de aprendizaje profundo: fundamentos matemáticos, representaciones, arquitecturas (embeddings, transformers, CNN/RNN), entrenamiento/optimización y técnicas de prompting. Complementa con gestión de datos usando NumPy y Pandas (limpieza, transformación, agregación y normalización). Cubre orquestación de LLMs en Python (APIs de OpenAI/DeepSeek/Groq, modelos locales con Ollama, Latencia/Costos/Privacidad) y automatización con n8n (workflows, credenciales, webhooks, manejo de errores, orquestar LLMs). Finalmente, enseña FastAPI para crear y desplegar microservicios de IA (endpoints, JSON, PostgreSQL, dependencias, Docker/Nginx). Proyectos: bot de Telegram con modelo local y flujo n8n para clasificar y responder correos de soporte; microservicio con ingeniería de prompts.

Calendario y Costo:
Duración:  72 horas, 12 semanas
Horario:     Sábados de 15:00 hrs. a 21:00 hrs; UTC -5 (Lima/Bogotá/Quito)
Inicio:         sábado, 18 octubre, 2025
Lugar:        Videoconferencia en vivo con Hangouts  y asistencia en tiempo real con anydesk

Costo del Curso:
$550 USD por los 2 módulos; costo individual por módulo 300 USD+IGV

Válido solo para personas naturales.

Por empresa contactarse a informes@aulautil.com para solicitar su cotización.

Informes e Inscripciones:

WhatsApp 1: +51 923346146

informes@aulautil.com

Puede realizar sus pagos en las cuenta a nombre de Cloud Perú Systems E.I.R.L.
BCP Soles: 193-2269973-018 CCI: 00219300226997301814
Cuenta de detracción Bco. de la Nación: 00057050292

Requisitos Previos:
Conocimientos básicos de Linux y Programación

Materiales:

– Videoconferencia con Jitsi Meet
– Asistencia en tiempo real con AnyDesk
– Asistencia Online (foros) en campus virtual de forma permanente
– Todas las clases se graban y se comparten por YouTube Private
– Incorporación gratis al WhatsApp exclusivo del grupo del curso
– Certificado con valor curricular
– 1 Servidor VPS con Ip pública para cada alumno

Syllabus del Curso de Introducción a la Inteligencia Artificial con Python, Linux VPS, ChatGPT y n8n

Módulo I:  Introducción a la Inteligencia Artificial, Linux VPS, Programación con Python y JavaScript (Videoconferencia / 36 horas).

Introducción y conceptos básicos
– ¿Qué es ingeniería
– ¿Qué es inteligencia artificial?
– Hitos más importantes en la historia de la Inteligencia Artificial
– ¿Qué subdisciplinas de la matemática se aplican directamente al estudio de la Inteligencia Artificial?
– ¿Qué es el Aprendizaje Automático y en qué grandes categorías conceptuales se divide su estudio?
– ¿Qué son las redes neuronales?
– Hitos más importantes en la historia de las redes neuronales
– ¿Qué es el aprendizaje profundo?
– ¿Cómo se clasifican los modelos de aprendizaje profundo de la actualidad?
– ¿Cuáles son las principales arquitecturas que se aplican a la construcción de modelos de aprendizaje profundo?
– Caso de estudio: Evolución de la familia de modelos de lenguaje de OpenAI
– Actividad práctica: empleo de un modelo de aprendizaje profundo multimodal
– Actividad práctica: Uso básico de Github y Git

Competencias básicas utilizando un VPS con Linux
– Reseña histórica de los sistemas operativos compatibles con UNIX
– ¿Qué es Linux? ¿Qué es GNU? ¿Qué es Software Libre? ¿Qué es Código Abierto?
– ¿Qué son las distribuciones de Linux? ¿Cuáles son las más populares para el desarrollo y despliegue de sistemas de software incluyendo sistemas que incorporan inteligencia artificial?
– Conceptos elementales de redes en ambientes de Internet: protocolo TCP/IP, dirección IP, el concepto de puerto, ping, DNS, FTP, SSH, SCP, HTTP y sus principales versiones
– Acceso remoto al VPS desde la línea de comandos
– Entendiendo el kernel y los programas del espacio de usuario
– Navegando y entendiendo la estructura de carpetas de un sistema GNU/LInux
– Gestionando archivos y permisos
– Gestionando procesos
– Trabajando con tuberías, redirecciones y logs
– Empleo básico de los editores Nano y VIM
– Información del sistema y gestión de cuentas de usuario
– Instalación, gestión y configuración de paquetes de software
– Proyecto práctico: instalación de un servidor web y configuración de una página web estática con certificados digitales gratuitos

Gestión de la seguridad de un VPS con Linux
– Inspección y configuración de las direcciones IPs
– Encontrando tu IP pública y privada
– Escaneo de puertos de forma local y remota
– Inspección y gestión de los servicios en ejecución
– Gestión básica de cortafuegos
– Entendiendo las opciones de configuración del servicio SSH
– Autenticación utilizando llaves
– Deshabilitando el acceso local y remoto a la cuenta root
– Explorando el nivel de utilización de recursos en el VPS
– Proyecto práctico: asegurar la seguridad del VPS configurando llaves de SSH, modificando los puertos de los servicios y configurando el cortafuegos

Programación con Python asistida por un modelo de lenguaje
– Instalación de paquetes para desarrollo y dependencias
– Instalación de versiones de Python con la herramienta asdf
– Uso de modelos de lenguaje para generar y explicar código Python
– Sintaxis y tipos de datos
– Estructuras de control
– Funciones y módulos
– Programación orientada a objetos
– Uso del intérprete de Python y ejecución de scripts
– Exploración de la biblioteca estándar
– Depuración de código con asistencia de IA
– Proyecto práctico: construcción de un micro-servicio para la generación en lotes de contraseñas, identificadores únicos y secretos criptográficos

Introducción al SQL y la gestión de bases de datos con PostgreSQL
– Conceptos básicos de bases de datos relacionales y SQL
– Escritura de consultas
– Uniones entre tablas
– Filtrado y agregación
– Uso de PostgreSQL con Python
– Almacenamiento de datos para IA en PostgreSQL
– Uso de IA para escribir y depurar consultas SQL
– Optimización de rendimiento
– Proyecto práctico: script generador de reportes utilizando SQLAlchemy Core
– Proyecto práctico: CRUD utilizando Django, el ORM de Django y Django Admin

Introducción a HTML, CSS y Javascript para la creación de interfaces de usuario

– Fundamentos de HTML: estructura de documentos, etiquetas básicas y formularios
– Introducción a CSS: estilos, selectores, clases y principios de diseño responsive
– Generación asistida de interfaces con ChatGPT: prompts para HTML y CSS
– Buenas prácticas al revisar y ajustar código generado por IA
– Primeros pasos con JavaScript: variables, funciones y flujo de control
– El DOM: qué es y cómo acceder a elementos con JavaScript
– Manipulación básica del DOM: cambiar texto, atributos y estilos dinámicamente
– Manejo de eventos: clics, entradas de texto y respuestas interactivas
– Interacción con el backend: introducción a fetch() y librerías HTTP
– Proyecto práctico: pequeña aplicación web que consume una API y muestra resultados dinámicos

Módulo II: Aprendizaje Profundo en Inteligencia Artificial, n8n y Aplicaciones Prácticas

(Videoconferencia / 36 horas).

Conceptos relevantes en el trabajo con modelos de aprendizaje profundo
– Fundamentos matemáticos y representaciones: Espacio n-dimensional, Espacio latente, Vector, Embedding, Distancia euclidiana, Producto escalar, Transformada de Fourier.
– Procesamiento de datos en modelos multimodales: Token, Tokenización, One-hot encoding, Bag of Words (BoW), TF-IDF (Term Frequency – Inverse Document Frequency).
– Elementos arquitectónicos de modelos de IA: capa de embeddings, Transformers, Mecanismo de atención, Self-Attention, Multi-Head Attention, Redes convolucionales (CNNs), Redes recurrentes (RNNs, LSTMs, GRUs)
– Optimización y entrenamiento de modelos: Descenso de gradiente, Backpropagation, Función de activación, Regularización, Overfitting, Underfitting, Fine-tuning.
– Representación del lenguaje y técnicas de modelado: Word Embeddings, Word2Vec, GloVe, FastText, Codificadores de texto, Decodificadores de texto, Modelos autorregresivos.
– Representación de imágenes y señales: Mapas de características, Extracción de características, Reducción de dimensionalidad, Representación espectral, Procesamiento de señales, Fourier inversa.
– Ingeniería de prompts: Zero-shot, Few-shot, Chain-of-Thought (CoT), Self-Consistency. ReAct, Persona Prompting,  Prompts del usuario vs prompts de sistema.

Introducción a Numpy y la gestión numérica de datos aplicada a la ingeniería de IA
– ¿Por qué usar NumPy?
– Entendiendo la diferencia entre Arrays y Listas
– Creación y manipulación de Arrays
– Indexación y slicing
– Operaciones matemáticas elementales
– Funciones estadísticas
– Normalización y escalado de datos para IA
– Trabajo con matrices y productos punto
– Conversión entre NumPy, Pandas y tensores de AI

Introducción al procesamiento e ingeniería de datos aplicada a la IA utilizando Pandas
– Cargar e inspeccionar datos
– Indexación y selección de datos
– Filtrado y ordenamiento
– Manejo de datos faltante
– Agrupación y agregación
– Unión de datasets
– Exportación de datos
– Uso de IA para generar y optimizar consultas en Pandas

Introducción a la orquestación de modelos de lenguaje con Python
– Diferencias entre modelos alojados en la nube vs. modelos locales.
– Introducción a APIs de LLM: OpenAI, Groq y modelos autoalojados
– Consideraciones clave: latencia, costo, privacidad y escalabilidad.
– Herramientas clave en Python: requests, LangChain, FastAPI
– Uso de la APIs de OpenAI y DeepSeek
– Consumo de servicios de inferencia con modelos de código abierto a través del servicio Groq
– ¿Qué es Ollama y cómo permite correr modelos de lenguaje en local?
– Instalación y configuración de Ollama en Linux/MacOS/Windows
– Descarga y uso de modelos
– Proyecto práctico: conectando un modelo de lenguaje hospedado de manera local con un bot de Telegram a través de ngrok

Introducción a la automatización de tareas con n8n
– ¿Qué es n8n y en qué se diferencia de Zapier/Make
– Conceptos básicos: workflows, nodos, triggers, acciones, items
– Manejo de credenciales e integración con APIs y servicios externos
– Uso de expresiones, variables y nodos de código para transformar datos
– Orquestación de modelos de lenguaje a través de n8n (OpenAI, Groq, Ollama)
– Manejo de errores, rutas alternativas y confiabilidad de flujos
– Creación de webhooks y exposición de workflows como APIs
– Caso práctico: clasificación y creación de respuestas personalizadas a correos de soporte al cliente incluyendo la creación y referencia de tickets

Introducción a FastAPI y a la construcción y despliegue de –microservicios para IA
– Configuración de FastAPI y ejecución de un servidor
– Creación de endpoints
– Manejo de peticiones y respuestas en formato JSON
– Conexión de FastAPI con PostgreSQL
– Desplegar modelos de IA vía API
– Uso de inyección de dependencias para código limpio
– Containerización de FastAPI con Docker, Alpine y Nginx
– Proyecto práctico: microservicio propio empleando ingeniería de prompts