Lo que delegas al agente
- Escribir código repetitivo, pruebas e integraciones.
- Generar casos de prueba para evaluar la IA.
- Revisar registros y proponer la causa de un error.
- Probar rápido varias versiones de un agente.
Días
0
:
Horas
23
:
Minutos
40
:
Segundos
47
Días
0
:
Horas
23
:
Minutos
40
:
Segundos
47
AI Engineer en la era de los agentes No compra inteligencia: construye productos confiables con ella.
Diseña agentes que consultan los datos de la empresa, usan herramientas y ejecutan tareas, con calidad, seguridad y costos bajo control.
- Programa de Especialización AI Engineer
- En vivo online
- 5.5 meses | 228 Hrs. Académicas.
2021
Chatbots con respuestas fijas
Entrenar un modelo propio para cada caso
Probar con un par de ejemplos
2026 con agentes
Agentes que usan herramientas y ejecutan tareas
Construir sobre modelos fundacionales con RAG
Evaluaciones automáticas antes y después de producción
Próximo inicioPor confirmar
HorarioMartes y Jueves - 19h. a 22h. (LIM, BOG)
Duración5.5 meses | 228 Hrs. Académicas.
Inversión S/ 5,005
Nuestra comunidad trabaja en distintos sectores
- Retail
- Banca
- Educación
- Salud
- Otros
Empresas donde trabajan nuestros alumnos
Sueldo referencial en Perú
¿Cuánto gana un AI Engineer en Perú?
De Junior a Senior, el sueldo de referencia crece hasta x2.3.
S/3,000–4,000Junior
S/5,000–7,000Semi Senior
S/7,000 a másSenior
Rangos de referencia de DSRP, mensuales.
¿Es para ti?
Tres pasos para saber si este es tu siguiente rol y por dónde empezar.
- 1
¿De dónde vienes?
Perfiles que suelen dar el salto a AI Engineer:
- Desarrollo de software
- Ingeniería de sistemas
- Data Scientist
- Data Engineer
- Ingeniería con experiencia programando
- 2
Qué necesitas para empezar
Conocimientos básicos de programación, nociones de Python y SQL, y familiaridad con bases de datos y APIs. Incluye nivelación asíncrona en Python, machine learning y deep learning.
Si nunca programaste, empieza por la especialización Analista de Datos o por un curso de fundamentos de Python antes de este programa.
- 3
Tu camino
- Programación (o nivelación incluida)
- Especialización AI Engineer
Un día del AI Engineer con agentes
El agente se encarga de lo repetitivo; tú decides qué preguntar, qué aprobar y qué recomendar.
- 108:30
El agente en producción
Agente: Resume las conversaciones fallidas, los costos y los tiempos de respuesta de la noche.
Tú: Decides qué error corregir primero y si hay que limitar alguna acción del agente.
Observabilidad de LLM
- 210:00
Diseño de un nuevo flujo
Agente: El asistente de código arma el esqueleto del agente y sus herramientas.
Tú: Defines qué puede hacer solo y qué necesita aprobación humana.
LangGraph · Copiloto de código
- 312:00
Conocimiento de la empresa
Agente: Indexa los documentos nuevos en la base vectorial.
Tú: Decides qué fuentes son confiables y quién puede consultar cada una.
RAG · base vectorial
- 415:00
Evaluación
Agente: Genera casos de prueba y corre las evaluaciones.
Tú: Revisas los fallos, ajustas prompts o herramientas y fijas el umbral para salir.
Evals
- 517:00
Pase a producción
Agente: Prepara el despliegue y las alertas.
Tú: Apruebas la salida y vigilas costos, seguridad y tiempos de respuesta.
Docker · nube · alertas
Mira qué hace un AI Engineer
Un video corto de DSRP para entender el rol antes de decidir.
Qué automatiza la IA y qué no
Lo que sigue siendo tuyo
- Diseñar el agente y sus límites.
- Definir qué puede hacer solo y qué requiere aprobación humana.
- Medir la calidad y decidir cuándo sale a producción.
- Controlar seguridad, costos y riesgos.
Tu diferencial: saber medir si un agente funciona. Es lo que separa una demo que impresiona de un producto en el que la empresa puede confiar.
Herramientas y tecnologías del AI Engineer
Programación
Python
TypeScript
FastAPI
Git
Modelos
- OpenAI API
Claude
Gemini- Modelos open source
Conocimiento y datos
- RAG
- Bases vectoriales
- LlamaIndex
PostgreSQL
Evaluación y operación
- Evals
- Observabilidad de LLM
Docker
AWS / Azure / GCP
Agentes
LangGraph
LangChain
MCP- SDKs de agentes
Logos de las librerías abiertas devicon y Simple Icons. Las marcas pertenecen a sus dueños.
Sin jerga
Glosario en simple
Los 10 términos que vas a escuchar en este rol, explicados como se los contarías a un colega.
- LLM y modelo fundacional
- Un modelo de lenguaje grande ya entrenado (ChatGPT, Claude, Gemini) sobre el que se construyen productos sin entrenarlo desde cero.
- Agente de IA
- Un LLM con herramientas: puede consultar datos, llamar a otros sistemas y completar una tarea por pasos.
- RAG
- Antes de responder, el sistema busca en los documentos de la empresa y se los da al LLM, para que conteste con información propia y no invente.
- RAG agéntico
- Un RAG donde el agente decide qué buscar, dónde y cuántas veces, en lugar de hacer una sola búsqueda fija.
- Base vectorial
- La "memoria" donde se guardan los documentos convertidos en números que representan su significado, para encontrarlos por tema.
- API
- La "ventanilla" por la que un sistema le pide datos o acciones a otro. Los agentes usan APIs para consultar el CRM, el ERP o enviar un correo.
- Pasar a producción
- Dejar el agente funcionando para usuarios reales, ya no como prueba, con monitoreo y control de costos.
- MCP
- Un estándar para conectar agentes con herramientas y datos de forma controlada, como un enchufe universal.
- Evals
- Pruebas automáticas que miden si el agente responde bien, inventa datos o hace algo indebido. Son el control de calidad de la IA.
- LLMOps y observabilidad
- Vigilar al agente en producción: errores, costos, tiempos de respuesta y conversaciones que salieron mal.
Lo que te llevas
Un sistema de IA funcionando en producción
Proyecto final: un backend API tipado, validado y testeado, con un componente de LLM o machine learning, RAG o acceso controlado a datos, CI/CD y despliegue en la nube.
Demo y defensa técnica del sistema y de sus decisiones.
- Certificación avalada por Data Science Research Perú y el Colegio de Estadísticos del Perú (Región Piura).
- 5 certificaciones parciales (una por curso) + 1 certificación final.
- Bolsa de trabajo y pasantías con empresas aliadas.
- Talleres de CV, LinkedIn y entrevistas.
Según el brochure vigente del programa.
Tu ruta de aprendizaje
De la nivelación en Python y machine learning a un agente en producción.
- Fundamentos de ingeniería IA
- Prompt engineering y RAG
- Agentes, MCP y RAG agéntico
- Agentes multimodales
- Evaluación y LLMOps
- Proyecto final
Beneficios de la especialización
- Clases grabadas ilimitadas
- Proyectos aplicados con data real
- Bolsa de trabajo, pasantías y talleres de empleabilidad
- Certificación avalada por el Colegio de Estadísticos del Perú
Libros recomendados para un AI Engineer
Cuatro lecturas para construir productos con LLM y agentes que funcionen en producción.
Era de agentes
AI Engineering
Cuándo usar prompting, RAG, agentes o fine-tuning, y por qué la evaluación es el problema central.
Ver el libro
Era de agentes
Building Applications with AI Agents
Cómo diseñar e implementar sistemas multiagente, de las herramientas a la coordinación.
Ver el libro
Era de agentes
Hands-On Large Language Models
Cómo funcionan los LLM por dentro, explicado con diagramas y código que se puede correr.
Ver el libro
Era de agentes
Prompt Engineering for Generative AI
Técnicas para obtener respuestas confiables y repetibles de un modelo, la base de todo agente.
Ver el libroLo que cuentan nuestros alumnos
La malla curricular fue integral y se enfocó en la práctica, lo que me permitió aplicar mis conocimientos de inmediato. Gracias a la formación en DSRP, he podido liderar proyectos en mi empresa, desarrollando dashboards y aplicando Python.
Elegí la especialización en DSRP para profundizar en automatización, cloud y herramientas como Airflow y Databricks. Lo que más destaco es el enfoque práctico y la experiencia de los instructores. Esta formación fue clave para destacar en entrevistas y conseguir mi nuevo trabajo.
Antes trabajaba como Analista BI, pero necesitaba aprender sobre migración de datos a la nube y herramientas como Databricks y Azure. El temario de DSRP me ofreció un enfoque práctico y profundo. Gracias a esta formación logré un nuevo puesto.
Preguntas Frecuentes
¿Qué hace un AI Engineer?
Construye productos con IA: asistentes que atienden clientes, sistemas que leen documentos o agentes que realizan tareas en otros sistemas. Su foco es que funcionen en el mundo real, con seguridad, costos y tiempos de respuesta bajo control.
¿En qué se diferencia de un Data Scientist?
El Data Scientist crea y evalúa modelos para responder preguntas de negocio. El AI Engineer se enfoca en convertir modelos en productos: los conecta con los datos y las aplicaciones de la empresa, les da herramientas y los opera en producción. También puede entrenar o ajustar modelos cuando el caso lo pide.
¿Necesito saber programar?
Sí. Es un rol de ingeniería de software: se trabaja con Python o TypeScript, APIs y buenas prácticas de desarrollo. La especialización incluye cursos de nivelación en Python, machine learning y deep learning.
¿Tengo que entrenar modelos desde cero?
No siempre. En proyectos de IA generativa lo habitual es partir de modelos fundacionales y trabajar con prompts, RAG y agentes; entrenar o ajustar un modelo se reserva para cuando hace falta. Lo que más pesa es diseñar el sistema, darle el conocimiento correcto y medir si responde bien.
¿Qué significa que un agente "use herramientas"?
Que además de responder puede consultar una base de datos, llamar a una API o ejecutar una acción. Por eso el AI Engineer define límites: qué puede hacer solo y qué necesita aprobación humana.
Compara los perfiles de datos e IA
¿Aún dudas entre perfiles? Haz el test vocacional y recibe una recomendación.
Seis perfiles, seis preguntas distintas. Compáralos y elige por dónde empezar.
Data Analyst
¿Qué pasó y qué decidimos?
Convierte datos en decisiones de negocio y valida lo que calcula la IA.
Empiezas con: Sin programar
Conocer el perfilData Scientist
¿Qué va a pasar?
Crea modelos que predicen y mide si un modelo o un LLM acierta de verdad.
Empiezas con: Programación y SQL básicos
Conocer el perfilData Engineer
¿Los datos llegan completos y confiables?
Construye los pipelines que alimentan dashboards y agentes.
Empiezas con: Python, SQL y Git básicos
Conocer el perfilData Architect
¿Cómo se organiza todo de forma segura?
Diseña la plataforma de datos e IA: gobernanza, permisos y costos.
Empiezas con: SQL y Python básicos
Conocer el perfilAI Engineer
Estás aquí¿Cómo lo convertimos en un producto con IA?
Construye agentes que usan herramientas, los evalúa y los opera en producción.
Empiezas con: Python y SQL básicos
Automatizador con IA
¿Qué tarea repetitiva dejamos de hacer a mano?
Conecta apps con flujos low-code y no-code y suma agentes de IA, sin programar.
Empiezas con: Sin programar
Conocer el perfil
Para empresas
¿Formas a tu equipo como AI Engineer?
Lo que gana tu empresa:
- Agentes que atienden clientes, leen documentos o automatizan procesos, conectados a los sistemas de la empresa.
- Productos de IA evaluados antes y después de salir a producción, con límites y aprobación humana.
- Control de seguridad, costos y tiempos de respuesta de cada agente.
Programas para equipos: grupos cerrados, in-house o a medida, con seguimiento del avance de cada colaborador.
Empresas que confían en DSRP
Construye agentes en los que tu empresa pueda confiar
Programa de Especialización AI Engineer
Contenido revisado en octubre de 2026.
