Quinta etapa: Exploración de escenarios de aplicación de la IA

Curso intensivo de 5 días sobre Agentes de IA, presentado conjuntamente por Google y Kaggle, que enseña cómo construir, evaluar e implementar sistemas de agentes de IA listos para producción.

Start Learning AI →
AgentesDeIAGoogleGeminiWebSiteVideoFreeEnglish

Curso intensivo de 5 días sobre Agentes de IA - Google y Kaggle

Descripción general del curso

Este es un curso en línea gratuito, cuidadosamente diseñado por investigadores e ingenieros de aprendizaje automático de Google, con el objetivo de ayudar a los desarrolladores a dominar las habilidades necesarias para construir, evaluar e implementar agentes de inteligencia artificial (Agentes de IA). Este curso representa la versión avanzada lanzada por Google y Kaggle tras el éxito previo de su curso intensivo sobre IA generativa, que atrajo a más de 280 000 estudiantes.

Información básica

  • Fechas del curso: 10 al 14 de noviembre de 2025 (5 días)
  • Modalidad: Totalmente en línea
  • Costo: Completamente gratuito
  • Organizadores: Google y Kaggle
  • Idioma del curso: Inglés
  • Número esperado de participantes: Cientos de miles de estudiantes

Características del curso

  1. Combinación de teoría y práctica: Cada día incluye explicaciones conceptuales detalladas, laboratorios prácticos (Codelabs) y sesiones de discusión en vivo.
  2. Materiales de aprendizaje variados:
    • Podcasts generados por IA (creados con NotebookLM)
    • Documentos técnicos elaborados por expertos de Google
    • Laboratorios de código práctico
    • Clases en vivo por YouTube
    • Soporte comunitario en Discord
  3. Proyecto práctico final: Al concluir el curso se realizará un proyecto Capstone; los mejores proyectos tendrán la oportunidad de recibir premios y ser destacados en las redes sociales oficiales de Google y Kaggle.
  4. Certificado de finalización: Al completar el proyecto Capstone, se obtendrá una insignia de Kaggle.

Arquitectura del curso y pila tecnológica

Tecnologías principales

  • Modelo base: Google Gemini
  • Framework de desarrollo: Agent Development Kit (ADK)
  • Protocolo de comunicación: Model Context Protocol (MCP)
  • Plataforma: Kaggle (para los Codelabs)
  • Lenguaje de programación: Python
  • Herramientas complementarias: NotebookLM

Componentes fundamentales

El curso aborda los cinco componentes esenciales de los Agentes de IA:

  1. Modelos: Fundamentos de los modelos de lenguaje grandes (LLMs)
  2. Herramientas: Llamadas a funciones externas y APIs
  3. Orquestación: Coordinación de flujos de trabajo
  4. Memoria: Gestión de memoria a corto y largo plazo
  5. Evaluación: Garantía de calidad e indicadores de rendimiento

Detalle diario del curso

Día 1: Introducción y arquitectura de los Agentes de IA

Tema: Comprender las diferencias entre sistemas de agentes y LLMs

Contenido principal:

  • Sistema de clasificación de capacidades de agentes
  • Necesidad de especificaciones "Agent Ops"
  • Importancia de la interoperabilidad y la seguridad
  • Construcción de agentes de razonamiento mediante ADK
  • Orquestación del ciclo Pensar-Actuar-Observar
  • Exploración de patrones de diseño multiagente

Materiales de estudio:

  • Documento técnico: Introducción a los Agentes
  • Podcast: Resumen de la Unidad 1 (mediante NotebookLM)
  • Codelabs:
    • Creación de aplicaciones basadas en agentes con el Agent Development Kit (ADK)
    • Introducción a LangGraph
    • Llamadas a funciones con la API de Gemini

Habilidades adquiridas:

  • Comprender la arquitectura básica de los agentes
  • Dominar el mecanismo cíclico de los agentes
  • Aprender a construir agentes básicos utilizando ADK

Día 2: Herramientas de agentes e interoperabilidad con MCP

Tema: Realizar operaciones del mundo real mediante APIs y herramientas

Contenido principal:

  • Integración de herramientas y funciones externas
  • Recuperación de datos en tiempo real
  • Introducción al Model Context Protocol (MCP)
  • Manejo de operaciones complejas y de larga duración

Materiales de estudio:

  • Documento técnico: Herramientas de Agentes e Interoperabilidad con el Model Context Protocol (MCP)
  • Podcast: Resumen de la Unidad 2 (mediante NotebookLM)
  • Codelabs:
    • Llamadas a funciones con la API de Gemini
    • Uso de herramientas con LangGraph
    • Almacenamiento en caché de prompts con la API de Gemini

Habilidades adquiridas:

  • Implementar llamadas a funciones (Function Calling)
  • Utilizar el protocolo MCP
  • Integrar herramientas y APIs externas

Día 3: Ingeniería de contexto y memoria

Tema: Implementar sistemas de memoria a corto y largo plazo

Contenido principal:

  • Prácticas de ingeniería de contexto
  • Ensamblaje y gestión dinámica de información
  • Sesiones (Sessions): historial inmediato
  • Memoria (Memory): persistencia a largo plazo
  • Creación de experiencias de IA con estado y personalizadas

Materiales de estudio:

  • Documento técnico: Ingeniería de Contexto: Sesiones y Memoria
  • Podcast: Resumen de la Unidad 3 (mediante NotebookLM)
  • Codelabs:
    • Almacenamiento en caché de contexto con la API de Gemini
    • Memoria a largo plazo usando LangGraph
    • Personalización con la API de Gemini

Habilidades adquiridas:

  • Gestionar eficazmente la ventana de contexto
  • Construir sistemas de memoria
  • Crear experiencias personalizadas con agentes

Día 4: Calidad, registros y evaluación

Tema: Observabilidad, trazado e indicadores de rendimiento

Contenido principal:

  • Marco integral para garantizar la calidad de los agentes
  • Fundamentos de observabilidad (Registros, Trazas, Métricas)
  • Bucles de retroalimentación escalables
  • Método LLM-as-a-Judge
  • Flujos de trabajo con intervención humana (Human-in-the-Loop, HITL)

Materiales de estudio:

  • Documento técnico: Calidad de los Agentes
  • Podcast: Resumen de la Unidad 4 (mediante NotebookLM)
  • Codelabs:
    • Fundamentos de LangSmith
    • Evaluación de aplicaciones basadas en agentes
    • Pruebas A/B con agentes

Habilidades adquiridas:

  • Implementar sistemas de evaluación de calidad
  • Usar herramientas de registro y trazado
  • Diseñar métricas de evaluación

Día 5: De prototipo a producción

Tema: Implementación y escalado de sistemas multiagente

Contenido principal:

  • Ciclo de vida operativo de los agentes (implementación, escalado, producción)
  • Transición de prototipos a soluciones empresariales
  • Protocolo Agent2Agent (A2A)
  • Implementación en Vertex AI Agent Engine
  • Arquitectura de sistemas multiagente

Materiales de estudio:

  • Documento técnico: De Prototipo a Producción
  • Podcast: Resumen de la Unidad 5 (mediante NotebookLM)
  • Codelabs:
    • Flujos de trabajo multiagente con LangGraph
    • Flujos de trabajo con intervención humana en LangGraph
    • Implementación de agentes con Google Cloud

Habilidades adquiridas:

  • Implementar agentes listos para producción
  • Construir sistemas colaborativos multiagente
  • Escalar con Google Cloud

Proyecto Capstone

Cronograma

  • Inicio: 14 de noviembre de 2025 (tras la finalización del quinto día del curso)
  • Fecha límite de entrega: 30 de noviembre de 2025 a las 11:59 PM (hora del Pacífico)
  • Duración estimada: Aproximadamente 2 semanas

Requisitos del proyecto

  1. Diseñar e implementar un Agente de IA utilizando el Agent Development Kit (ADK)
  2. Demostrar al menos tres funcionalidades clave aprendidas durante el curso (por ejemplo: uso de herramientas, memoria, evaluación)
  3. Presentar un notebook documentado en Kaggle
  4. Incluir un breve video demostrativo y una descripción del proyecto

Recompensas

  • Todos los participantes que completen el proyecto: Obtendrán una insignia en su perfil de Kaggle
  • Los 10 primeros:
    • Productos exclusivos de Kaggle
    • Exhibición destacada en las redes sociales oficiales de Google y Kaggle

Inversión de tiempo requerida

  • Tareas diarias: 1–2 horas
  • Clases en vivo: 45–60 minutos (opcionales; disponibles grabadas)
  • Total diario estimado: Aproximadamente 2–3 horas
  • Flexibilidad: Se puede estudiar a tu propio ritmo, ideal para personas con empleo o estudios a tiempo completo

Público objetivo

Ideal para

✅ Desarrolladores con experiencia previa en IA/ML/LLM que deseen especializarse en desarrollo de agentes
✅ Profesionales que trabajen en flujos de trabajo automatizados o tareas multietapa
✅ Estudiantes dispuestos a dedicar tiempo a actividades prácticas y sesiones en vivo
✅ Personas interesadas en construir proyectos concretos que puedan presentar dentro de su organización
✅ Científicos de datos, ingenieros de ML y desarrolladores de software

Menos adecuado para

❌ Principiantes sin conocimientos básicos en IA/ML ni experiencia en el uso básico de LLMs
❌ Personas que no puedan comprometerse a dedicar al menos 1–2 horas diarias al curso

Conocimientos previos recomendados

  • Conocimientos básicos de programación en Python (útil, aunque no obligatorio)
  • Interés en inteligencia artificial, aprendizaje automático o ciencia de datos
  • Familiaridad con notebooks de Python y librerías comunes de agentes

Resultados de aprendizaje

Al finalizar este curso, podrás:

  1. ✅ Diseñar una estructura clara para agentes (objetivo → planificación → llamada a herramientas → memoria → evaluación)
  2. ✅ Adquirir experiencia práctica mediante Codelabs y el proyecto Capstone
  3. ✅ Comprender consideraciones para entornos productivos (registro, tolerancia a fallos, escalabilidad)
  4. ✅ Obtener un certificado de finalización y acceder a una red comunitaria
  5. ✅ Desarrollar la capacidad de construir desde agentes simples hasta sistemas multiagente complejos
  6. ✅ Dominar métodos para evaluar y optimizar agentes

Aspectos destacados del curso

¿Por qué aprender sobre Agentes de IA?

Según Google: las empresas están pasando de invocaciones aisladas de modelos a plataformas de agentes que permiten escalar experimentación e implementación. Los agentes se han convertido en la forma en que los equipos transforman modelos potentes en software funcional: envolviendo LLMs con memoria, uso de herramientas, planificación y evaluación, lo que les permite ejecutar tareas multietapa de manera confiable.

Agente vs. LLM

  • LLM tradicional: Interacción única de prompt-respuesta
  • Agente de IA:
    • Capacidad de planificar
    • Invocación de herramientas
    • Coordinación con otros agentes
    • Funcionalidad de memoria
    • Capacidad de autoevaluación y optimización
    • Ejecución confiable de tareas multietapa

Recursos del curso

Enlaces oficiales

Recomendaciones de estudio

  1. Preparar el entorno con anticipación: Asegúrate de estar familiarizado con notebooks de Python y librerías comunes de agentes.
  2. Elegir un problema real: Comienza con un flujo de trabajo pequeño y automatizable (por ejemplo: informes semanales, clasificación de soporte, QA de contenido).
  3. Definir métricas de evaluación: Esboza indicadores simples de éxito (tasa de finalización de tareas, latencia, tiempo humano ahorrado en revisiones).
  4. Días 1–2: Domina los fundamentos: ciclo del agente, llamadas a herramientas y memoria.
  5. Día 3: Incorpora evaluación desde etapas tempranas; incluso controles básicos evitan optimizar en direcciones equivocadas.
  6. Día 4: Solo avanza hacia configuraciones multiagente o multifunción si tu caso de uso lo requiere.

Ventaja competitiva

Al tratarse de uno de los primeros cursos estructurados sobre agentes, al completarlo lograrás:

  • 🎯 Una ventaja inicial mientras muchas organizaciones aún exploran cómo adoptar la IA basada en agentes
  • 🎯 Un proyecto concreto que puedas mostrar a partes interesadas o incluir en tu portafolio
  • 🎯 Una red profesional dentro de las comunidades de Google y Kaggle
  • 🎯 Un salto cualitativo: pasar de “conocer agentes” a “ser capaz de entregar agentes”

Comunidad y soporte

  • Canal de Discord: Mantenido y apoyado activamente por empleados de Google
  • Conferencias en vivo con expertos: Sesiones de preguntas y respuestas en directo con investigadores e ingenieros de Google
  • Comunidad global de aprendizaje: Cientos de miles de estudiantes aprendiendo juntos
  • Grabaciones disponibles: Todas las clases en vivo quedan grabadas, facilitando el aprendizaje en cualquier huso horario

Conclusión

El curso intensivo de 5 días sobre Agentes de IA ofrece una oportunidad oportuna y rigurosa para que desarrolladores y profesionales del aprendizaje automático pasen de “aplicaciones basadas en LLM” a “sistemas basados en agentes”. A medida que la IA evoluciona de ofrecer sugerencias a ejecutar acciones, quienes comprendan cómo construir agentes dotados de memoria, herramientas, coordinación, evaluación e implementación estarán en una posición privilegiada.

Este curso no es solo una formación: es tu pase de entrada a la era de los Agentes de IA.