¿Mejores cursos de IA para aprender a construir y vender automatizaciones con IA?

Preguntas
1

Hola a todos,

Durante los últimos 2 meses he estado aprendiendo automatizaciones de IA con Claude y n8n. Vengo de un trasfondo web full-stack y estaba usando principalmente IA para ayudar con el desarrollo.

Pero ahora quiero cambiar completamente a construir automatizaciones de IA como productos para vender.

Tengo tiempo libre ahora y quiero usarlo tanto para construir proyectos como para aprender adecuadamente, porque sé que no tendré tanto tiempo después.

Mi pregunta:

¿En qué cursos/temas de IA debería enfocarm para realmente mejorar mis productos?

Estoy pensando en cosas como Machine Learning, Deep Learning, Redes Neuronales, MLOps, etc. Pero no estoy seguro de qué es realmente útil versus excesivo para el trabajo de automatización.

Me encantaría recomendaciones de cursos, rutas de aprendizaje, o qué hubieras deseado aprender antes.

¡Gracias!

¿Cuál es el mensaje de error (si hay alguno)?

Por favor, comparte tu flujo de trabajo

(Selecciona los nodos en tu lienzo y usa los atajos de teclado CMD+C/CTRL+C y CMD+V/CTRL+V para copiar y pegar el flujo de trabajo.)

Comparte el resultado devuelto por el último nodo

Información sobre tu configuración de n8n

  • Versión de n8n:
  • Base de datos (predeterminada: SQLite):
  • Configuración n8n EXECUTIONS_PROCESS (predeterminada: own, main):
  • Ejecutando n8n a través de (Docker, npm, n8n cloud, aplicación de escritorio):
  • Sistema operativo:
2

Hola @Katherine1, mientras esperas una respuesta, aquí hay algunas cosas que podrían ayudarte:

Recursos sugeridos

Coincidencia automática con tu pregunta.

Documentación:

Foro:

@krisn0x, @Baseman, @Hovec - han ayudado con problemas similares antes, ¿pueden echar un vistazo?

Sugerido automáticamente por el bot de la comunidad de n8n. Es una prueba piloto - comparte tu opinión aquí.

3

Opinión honesta @Katherine1 para construir y vender automatizaciones de IA (no construir modelos de IA), la mayoría de lo que listaste, teoría de ML, aprendizaje profundo, redes neuronales, MLOps, es en gran medida excesivo. Estás integrando APIs de LLM existentes en flujos de trabajo, no entrenando modelos, así que ese tiempo se gasta mejor en otro lado. Lo que realmente marca la diferencia:

Ingeniería de prompts, correctamente, no solo „escribir buenos prompts" sino prompts de sistema estructurados, ejemplos de pocos disparos, esquemas de salida/salida JSON estructurada, y cómo mantener un agente confiable en casos extremos. Esta es la brecha de habilidades real entre „demostración genial" y „producto vendible."

Fundamentos de RAG, estrategia de fragmentación, embeddings, elección de almacén vectorial (Pinecone/Qdrant/Supabase pgvector) porque la mayoría de las automatizaciones de clientes eventualmente necesitan “responder desde nuestros propios datos”, y hacerlo mal es la razón número 1 por la que las automatizaciones de IA se sienten poco confiables.

Profundidad de integración de APIs, no profundidad de IA, ya que ya eres full-stack, esto es probablemente tu activo más fuerte. La mayoría de los fracasos de “automatización de IA” en el mundo real son mal manejo de errores, lógica faltante de límite de velocidad/reintentos, o autenticación frágil, no prompts débiles.

Evaluación/pruebas para salidas de IA, ya que la salida de LLM es no determinista, necesitas una forma de saber si un cambio mejoró o empeoró las cosas. Investiga “evaluaciones de LLM” como tema, se habla menos que sobre prompting pero es lo que separa proyectos de afición de cosas por las que la gente paga confiablemente.

Omite: cualquier cosa que te entrene para construir modelos desde cero. Pasarás meses en matemáticas que nunca usarás para este negocio.

Prácticamente: construye 2-3 automatizaciones reales de principio a fin (con manejo real de errores, no demostraciones de caso feliz) antes de invertir en más cursos, aprenderás más rápido golpeando dolor de integración real que de más teoría en este momento.