AVANZADO · 8 MÓDULOS · 64 LECCIONES

Diseño de sistemas y escalado para IA

Diseña la arquitectura de un sistema de IA que escala: elige estilo, integraciones y capa de inferencia, y decide con números entre rendimiento y costo.

Es para ti si
Ya despliegas y monitoreas aplicaciones de IA y te toca diseñar el sistema completo.
Al terminar
Sabrás escribir documentos de diseño y ADRs, planear capacidad con límites de tokens y usar fallbacks entre proveedores.
Necesitas
Experiencia desplegando y monitoreando apps de IA, y bases de RAG, agentes, Docker y webhooks.
  1. 01Pensamiento de diseño de sistemas para IA8 LECCIONES
    1. Introducción al pensamiento de diseño de sistemas para IA
    2. Las tres restricciones propias de los sistemas de IA
    3. Análisis estructurado de trade-offs
    4. Diagramas C4: Context y Container
    5. Diagramas C4: Component
    6. Architecture Decision Records (ADRs)
    7. Decisiones reversibles e irreversibles
    8. Proyecto del módulo 1: documento de decisiones de arquitectura
  2. 02Arquitecturas comunes de IA8 LECCIONES
    1. Introducción a las arquitecturas comunes de IA
    2. El monolito de IA: cuándo y por qué
    3. Microservicios de IA: cuándo y por qué
    4. Arquitectura orientada a eventos para IA
    5. Arquitecturas híbridas: el patrón real
    6. Consideraciones propias de la IA
    7. Marco de decisión para elegir arquitectura
    8. Proyecto del Módulo 2: documento de comparación de arquitecturas
  3. 03Fundamentos de escalado8 LECCIONES
    1. Introducción a los fundamentos de escalado
    2. Escalado horizontal y vertical para IA
    3. Cuellos de botella en sistemas de IA
    4. Diseño stateless para IA
    5. Disparadores de autoscaling para IA
    6. Planificación de capacidad con números
    7. El costo como restricción de escalado
    8. Proyecto del módulo 3: documento de análisis de escalado
  4. 04Patrones de integración8 LECCIONES
    1. Introducción a los patrones de integración
    2. Webhooks entrantes
    3. Webhooks salientes
    4. Eventos con colas y pub/sub
    5. MCP: introducción y conceptos
    6. MCP: arquitectura e implementación
    7. Marco de decisión: cuándo usar cada patrón
    8. Proyecto del módulo 4: Integration Architecture Document
  5. 05Confiabilidad a escala8 LECCIONES
    1. Introducción a la confiabilidad a escala
    2. Load balancing para servicios de IA
    3. Procesamiento con colas para llamadas al modelo
    4. Rate limiting técnico y presupuestal
    5. Circuit breakers para proveedores de modelos
    6. Reintentos e idempotencia
    7. Degradación gradual por niveles
    8. Proyecto: Reliability Design Document
  6. 06Escalar la capa de inferencia8 LECCIONES
    1. Introducción a escalar la capa de inferencia
    2. Anatomía del serving de un LLM
    3. Serving propio con vLLM
    4. Gateway de modelos y fallbacks entre proveedores
    5. Caché de prompts del proveedor como decisión de arquitectura
    6. Batch APIs y cargas asíncronas
    7. Integraciones de chat con timeouts cortos
    8. Proyecto: diseño de la capa de inferencia
  7. 07Trade-offs entre rendimiento y costo8 LECCIONES
    1. Introducción a los trade-offs entre rendimiento y costo
    2. Escalar en vertical o en horizontal para IA
    3. Cache contra cómputo
    4. Gestionado contra propio
    5. Serverless contra contenedores
    6. Enrutamiento entre modelos
    7. Plantilla de matriz de decisión
    8. Proyecto: matriz de decisión aplicada
  8. 08Proyecto integrador, diseño de arquitectura del capstone8 LECCIONES
    1. Introducción al diseño de arquitectura del capstone
    2. Visión general del sistema y diagramas C4
    3. Diseño del pipeline de RAG
    4. Diseño de la capa de agentes
    5. Capa de integración
    6. Escalado y confiabilidad aplicados al capstone
    7. Decisiones de stack y proyección de costos
    8. Proyecto final: documento de diseño de arquitectura del capstone
Reseñas

Lo que dicen los estudiantes

Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.

Aún no hay reseñas aprobadas.

¡Sé el primero en compartir tu experiencia!

SEC. 06 · EL ESTUDIO

Por qué existe este estudio

Durante décadas, construir software fue cosa de perfiles técnicos con años de formación, y llevar un producto digital a la vida real le tomaba a las empresas meses o años. El no-code y la inteligencia artificial han acortado esa brecha, pero el conocimiento sigue en manos de unos cuantos.

Tech Benders existe para abrir ese conocimiento, para que los equipos de negocio y los perfiles no técnicos puedan poner sus ideas en producción con las decisiones técnicas correctas detrás. La IA hace lo que le pides. Sin una base técnica, lo que construye puede no escalar con el ecosistema de tu empresa, y sus costos se disparan con el tiempo.

El equipo conoce los dolores de las organizaciones grandes y la velocidad a la que tienen que moverse. Trae arquitectura de soluciones, ingeniería de datos, producto construido de punta a punta, del backend al frontend, y trabajo diario con IA. Software que resuelve lo que necesitas en días, no en meses, con los costos de la IA bajo control.

Fundadores

El estudioConoce Tech Benders →

Escríbenoshi@techbenders.io

Hecho con Wislab