este curso comienza en
Inteligencia Artificial en la Nube – AWS y Microsoft Azure 2026 - Curso certificado online sincrónico
NIVEL DEL CURSO: principiante
Una vez aprobado el programa, obtén esta insignia de certificación, otorgada por Credly
COSTO promocional (15% de descuento)
$290.000 pesos chilenos / $320 USD
(contamos con facilidades de pago)
requisitos previos
Conocimientos Básicos de Informática
¿para quién es este curso?
- Desarrolladores.
- Arquitectos de soluciones.
- Analistas de datos.
- Profesionales TI.
- No requiere experiencia previa en Machine Learning.
¿EN QUÉ CONSISTE ESTE PROGRAMA?
Este curso introduce de forma práctica y estructurada al mundo de la Inteligencia Artificial nativa en la nube, entregándote las bases sólidas para entender, implementar y escalar soluciones de IA usando las dos plataformas líderes del mercado: Amazon Web Services (AWS) y Microsoft Azure.
En AWS podrás trabajar con:
- Amazon SageMaker (creación y entrenamiento de modelos de Machine Learning)
- Amazon Rekognition (análisis de imágenes y vídeos)
- Amazon Comprehend (procesamiento de lenguaje natural)
- Amazon Lex (creación de chatbots conversacionales)
- Amazon Polly y Transcribe (texto a voz y voz a texto)
- AWS Bedrock (modelos fundacionales y agentes de IA)
En Microsoft Azure dominarás:
- Azure Machine Learning (entrenamiento y despliegue de modelos)
- Azure Cognitive Services (Vision, Speech, Language y Decision)
- Azure OpenAI Service (GPT-4, GPT-4o, DALL·E, etc.)
- Azure Bot Service (desarrollo de chatbots)
- Azure Form Recognizer y Speech Services
A través de una metodología 100% práctica que combina teoría esencial con laboratorios reales paso a paso, aprenderás a:
- Diseñar arquitecturas de IA en la nube
- Entrenar y desplegar modelos de Machine Learning
- Consumir servicios pre-entrenados de visión, lenguaje y habla
- Integrar modelos fundacionales (LLMs) en aplicaciones reales
- Implementar soluciones completas de principio a fin
¡Transforma tu carrera y empieza a crear soluciones inteligentes hoy mismo con las herramientas que usan las empresas más innovadoras del mundo!
Modalidad de clases
- Clases 100%
Online sincrónicas:
¡Estudia desde cualquier parte del mundo!
- Aula virtual:
Tus recursos y evaluaciones en un solo lugar
DURACIÓN del curso
- 50 hrs en total:
25 hrs de clases en vivo
25 hrs de auto estudio
- Clases 2 veces
por semana:
2 hrs con 30 min en cada sesión
METODOLOGÍA
- Enseñanza práctica: Nuestra enseñanza se basa en laboratorios Azure y proyectos prácticos
- Docentes certificados: Aprende de profesionales destacados en la industria
¿EN QUÉ FECHAS SE REALIZARÁ ESTE CURSO?
Recuerda que todos nuestros horarios están en el huso correspondiente a Chile.
¡Si eres estudiante internacional, por favor ocupa nuestro conversor de hora!
🌍 Conversor de Hora
Médios de pago:
PERFIL DE EGRESO PROFESIONAL
| 1 | Comprender los principios esenciales de Cloud Computing, IA y Machine Learning. | ✔ |
|---|---|---|
| 2 | Crear y gestionar cuentas en AWS y Azure, usando sus consolas y servicios principales. | ✔ |
| 3 | Aplicar servicios de IA pre-entrenada (visión, lenguaje, bots y modelos generativos). | ✔ |
| 4 | Implementar conceptos de IA Responsable y buenas prácticas de seguridad y gobernanza. | ✔ |
| 5 | Utilizar herramientas de Azure AI y AWS AI/ML, incluyendo Vision, Language, Rekognition, Textract y Bedrock. | ✔ |
| 6 | Desarrollar soluciones básicas de IA en la nube, integrando modelos y automatizando tareas. | ✔ |
Los egresados estarán calificados para aplicar la Inteligencia Artificial (IA) en las dos nubes líderes del mercado: Amazon Web Services (AWS) y Microsoft Azure.
DOCENTES A CARGO DEL PROGRAMA
Jorge Andrés Flores Zepeda
Director de nuestros diplomados en:
Arquitectura y seguridad cloud | devsecops | arquitectura, seguridad y devsecops en azure
Ingeniero Civil en Computación, Magíster en Administración y Master en Information Security and Cybersecurity con certificaciones importantes como AWS Certified Solutions Architect – Associate, AWS Cloud Practitioner, Certified SAFe 4 Agilist, Data Science Foundations – Level 2, y múltiples certificaciones en AWS (x5) y Azure (x7) en las áreas de Proyectos Ágiles, DevOps y Data Science.
Ariel Vega Valenzuela
Docente en nuestros cursos en:
Arquitectura y seguridad cloud | devsecops
Ingeniero de Ejecución en Electricidad, Sistemas Electrónicos y Telecomunicaciones, y Licenciado en Ingeniería Aplicada, ambos títulos obtenidos de la prestigiosa Universidad de Santiago de Chile. Su profundo conocimiento se extiende al campo emergente de la tecnología blockchain, habiendo completado un Diplomado de Experto Universitario en desarrollo de aplicaciones Blockchain por la Universidad Internacional de la Rioja. Con una trayectoria de más de veinte años en el sector de las Tecnologías de la Información, Ariel ha desempeñado roles clave como Arquitecto en destacadas empresas de los sectores Bancario, Tecnológico y Retail, demostrando una versatilidad y adaptabilidad excepcionales frente a los desafíos de la industria.
Su experiencia se complementa con una impresionante colección de certificaciones en Blockchain y Cloud Computing, incluyendo AWS Certified Security – Specialty, AWS Certified Solutions Architect – Associate, y AWS Certified Cloud Practitioner.
ESTRUCTURA DE CONTENIDOS | Curso “Fundamentos de IA en la Nube Híbrida“
Unidad 1: Introducción al Cloud Computing y la IA
| Objetivo | Contenidos | Horas |
|---|---|---|
| Introducción al Cloud Computing y la Inteligencia Artificial. | Teórico: – Conceptos clave del Cloud Computing: IaaS, PaaS, SaaS. -Beneficios: escalabilidad, elasticidad, agilidad y costos. -Introducción a la infraestructura global de AWS y Azure. -Definición de Inteligencia Artificial (IA), Machine Learning (ML) y Deep Learning. Laboratorio: -Creación de una cuenta de nivel gratuito en AWS. -Creación de una cuenta de nivel gratuito en Azure. -Recorrido por las consolas de administración de ambos proveedores. Plataformas: Agnóstico, AWS, Azure. | Horas teóricas: 3 Horas prácticas: 2 |
Unidad 2: Tipos de Cargas de Trabajo de IA y Machine Learning
| Objetivo | Contenidos | Horas |
|---|---|---|
| Comprender los Tipos de Cargas de Trabajo de IA y Machine Learning. | Teórico: – Análisis de los tipos de Machine Learning: supervisado, no supervisado y por refuerzo. -Casos de uso comunes: regresión, clasificación, clustering. -Introducción a las cargas de trabajo de IA: visión por computadora, procesamiento de lenguaje natural (NLP), IA conversacional e IA Generativa. Laboratorio: – Actividad para identificar y diferenciar los distintos modelos y cargas de trabajo de IA/ML. Plataformas: Agnóstico. | Horas teóricas: 4 Horas prácticas: 1 |
Unidad 3: Principios de la IA Responsable
| Objetivo | Contenidos | Horas |
|---|---|---|
| Comprender los Principios de la IA Responsable. | Teórico: -Pilares de la IA Responsable: equidad, confiabilidad, seguridad, privacidad, inclusión y transparencia. -Importancia de la gobernanza y la ética en el desarrollo de soluciones de IA. -Análisis de los enfoques de AWS y Microsoft sobre la IA Responsable. Laboratorio: – Debate sobre casos de estudio donde la IA Responsable fue crucial. Plataformas: Agnóstico. | Horas teóricas: 3 Horas prácticas: 2 |
Unidad 4: Introducción a los Servicios de IA de Azure
| Objetivo | Contenidos | Horas |
|---|---|---|
| Comprender los Servicios de IA de Azure. | Teórico: – Visión general del portafolio de Azure AI. -Exploración de Azure AI Services (anteriormente Cognitive Services). -Diferenciación entre servicios pre-entrenados y plataformas de ML personalizadas. Laboratorio: – Navegación por el portal de Azure y creación del primer recurso de Azure AI Services. Plataformas: Azure. | Horas teóricas: 2 Horas prácticas: 3 |
Unidad 5: Visión por Computadora y NLP en Azure
| Objetivo | Contenidos | Horas |
|---|---|---|
| Comprender la Visión por Computadora y NPL en Azure. | Teórico: – Visión: Azure AI Vision para análisis de imágenes, detección de objetos y OCR. -Lenguaje: Azure AI Language para análisis de sentimientos, extracción de frases clave y reconocimiento de entidades. Laboratorio: -Analizar una imagen para extraer descripciones y texto usando Azure AI Vision. -Procesar un texto para identificar su sentimiento y entidades clave con Azure AI Language. Plataformas: Azure. | Horas teóricas: 3 Horas prácticas: 2 |
Unidad 6: IA Conversacional y Generativa con Azure
| Objetivo | Contenidos | Horas |
|---|---|---|
| Dominar la IA Conversacional y Generativa con Azure. | Teórico: – Fundamentos de Azure Bot Service para crear bots conversacionales. -Introducción a Azure OpenAI Service: modelos GPT, DALL-E y casos de uso. Laboratorio: – Crear un bot simple de preguntas y respuestas (QnA). -Explorar el “Studio” de Azure OpenAI para generar texto e interactuar con modelos de lenguaje. Plataformas: Azure. | Horas teóricas: 2 Horas prácticas: 3 |
Unidad 7: Introducción a los Servicios de IA/ML de AWS
| Objetivo | Contenidos | Horas |
|---|---|---|
| Comprender los Servicios de IA/ML de AWS. | Teórico: -Visión general de la pila de IA y ML de AWS, desde servicios de alto nivel hasta frameworks. -Categorización de los servicios de IA de AWS (visión, lenguaje, etc.). Laboratorio: – Recorrido por la sección de IA/ML en la consola de AWS. -Configuración de permisos básicos con AWS IAM para acceder a los servicios de IA. Plataformas: AWS. | Horas teóricas: 3 Horas prácticas: 2 |
Unidad 8: Visión por Computadora y NLP en AWS
| Objetivo | Contenidos | Horas |
|---|---|---|
| Comprender la Visión por Computadora y NLP en AWS. | Teórico: – Visión: Amazon Rekognition para análisis de imágenes/video y Amazon Textract para extracción de datos de documentos. -Lenguaje: Amazon Comprehend (análisis de texto), Amazon Translate (traducción), Amazon Polly (texto a voz) y Amazon Transcribe (voz a texto). Laboratorio: – Utilizar Amazon Rekognition para detectar objetos y rostros en una imagen. -Convertir un fragmento de texto a un archivo de audio con Amazon Polly. Plataformas: AWS. | Horas teóricas: 3 Horas prácticas: 2 |
Unidad 9: IA Generativa y Asistentes Inteligentes en AWS
| Objetivo | Contenidos | Horas |
|---|---|---|
| Dominar la IA Generativa y Asistentes Inteligentes en AWS. | Teórico: – Introducción a la IA Generativa en AWS con Amazon Bedrock y sus modelos fundacionales. -Fundamentos de Prompt Engineering. Visión general de Amazon Q como asistente de desarrollo. Laboratorio: – Exploración de la consola de Amazon Bedrock para probar diferentes modelos de lenguaje. -Uso práctico de Amazon Q Developer en la consola. Plataformas: AWS. | Horas teóricas: 2 Horas prácticas: 3 |
¿NECESITAS AYUDA? ¿TIENES DUDAS? ¡TE RESPONDEMOS!
Elige entre agendar una reunión, contactarnos a nuestro Whatsapp o a nuestro correo electrónico ventas@diplomadociberseguridad.com
para resolver dudas, obtener información sobre fechas, beneficios o futuros programas.
¿Eres alumno y necesitas asistencia? Escríbenos a: academico@diplomadociberseguridad.com