Diplomatura en NLP Specialist
Dominá el procesamiento del lenguaje natural desde los fundamentos hasta el fine-tuning de LLMs: transformers, RAG y NLP en español. Certificación IDSA + UTN.
Sobre esta Diplomatura
La Diplomatura en NLP Specialist forma profesionales capaces de diseñar, implementar y desplegar sistemas de procesamiento del lenguaje natural con los modelos más avanzados de la industria: Transformers, RAG y LLMs. Se compone de cuatro etapas de cursos más un trabajo final (217 h).
Está diseñada con foco en español y LATAM. NLP Avanzado estudia modelos específicos para español (BETO, RoBERTa-BNE) y multilingües, con sesgos dialectales latinoamericanos, y RAG Fundamentos trabaja con embeddings para español y un corpus real de LATAM.
El rol combina el trabajo con lenguaje (clasificación, extracción de entidades y recuperación de información) con el de sistemas basados en LLMs (RAG y fine-tuning).
Se apoya en el tutor virtual 24/7 y en notebooks ejecutables en Google Colab o JupyterLite. No requiere experiencia previa en NLP: la ruta construye las bases de Python, matemática, deep learning y machine learning antes de llegar a los transformers.
Cinco etapas hacia el NLP moderno
Cada etapa aporta una capa de profundidad técnica. El foco está puesto en el ciclo completo: desde tokens hasta sistemas RAG en producción.
Nivelación matemática aplicada a Data Science y fundamentos de Python. La base sobre la que se construye todo lo demás.
Redes neuronales con PyTorch, optimización y atención (con self-attention implementada desde cero), machine learning con scikit-learn para clasificar y validar modelos, y el pipeline RAG completo: búsqueda vectorial, generación con LLMs y evaluación objetiva.
Pipeline de NLP productivo en español: representaciones, transformers con Hugging Face, clasificación, NER, evaluación con calibración y serving.
Ciclo completo de LLMs: prompting reproducible, evaluación con LLM-as-judge, fine-tuning con LoRA/QLoRA, instruction tuning con datos sintéticos, function calling y despliegue.
Un sistema de NLP completo sobre un corpus real en español, con evaluación objetiva y defensa ante comité técnico.
Qué vas a aprender, curso por curso
Cada curso se cursa y certifica de forma individual. Al aprobar los siete más el trabajo final, se emite el diploma de la diplomatura.
Nivelación Matemática para Data Science
Derivadas, vectores, matrices, probabilidad y notación matemática aplicada a Machine Learning. Sin matemática abstracta: todo orientado a ciencia de datos, con Python y casos reales.
Python para Data Science
Del primer script al primer dashboard. Pandas, NumPy, Matplotlib y Dash. Los 4 verbos fundamentales de Pandas y la conexión con el análisis de negocio.
Fundamentos de Deep Learning y Optimización
Construí backpropagation desde cero, entendé SGD y Adam, entrená redes en PyTorch, controlá el sobreajuste y compará CNN 1D, LSTM y atención (con una capa de self-attention desde cero).
Machine Learning Supervisado y No Supervisado
Entrenás, validás y explicás modelos de ML con scikit-learn, XGBoost y LightGBM: regresión logística, árboles, ensambles, validación cruzada, umbral de decisión, SHAP y clustering, sobre un caso de riesgo de mora.
RAG Fundamentos
Retrieval-Augmented Generation. Búsqueda vectorial desde cero, embeddings para español, evaluación con métricas objetivas, mitigación de alucinaciones y despliegue en producción.
NLP Avanzado con Transformers
Pipeline de NLP productivo en español: representaciones clásicas y contextuales, transformers con Hugging Face, clasificación, NER, modelos para español (BETO, RoBERTa-BNE), evaluación con calibración, fine-tuning con LoRA y serving.
Fine-tuning de LLMs y Prompt Engineering
Prompt engineering sistemático, evaluación de LLMs con LLM-as-judge, fine-tuning con LoRA/QLoRA, instruction tuning con datos sintéticos, function calling y despliegue con control de latencia y costos.
Tres orientaciones en NLP
La orientación profesional se define por el trabajo final elegido y el énfasis en cada tecnología del stack.
NLP Engineer
Implementación de soluciones NLP: clasificación, extracción de entidades y modelos para español, con transformers.
LLM Engineer
Construcción de sistemas con LLMs: fine-tuning eficiente, prompt engineering avanzado, evaluación y despliegue.
Applied NLP Scientist
Resolución de problemas complejos con técnicas de NLP modernas y evaluación rigurosa sobre casos reales.
Los perfiles son orientativos. El alumno construye su especialización con el trabajo final y los proyectos del Laboratorio de Datos.
Sistema NLP completo en español
Un proyecto integrador sobre un corpus real en español: desde el procesamiento inicial hasta el despliegue de un sistema RAG o de fine-tuning, con evaluación objetiva y defensa frente a comité técnico.
- Duración: 17 horas distribuidas en 4-6 semanas
- Tutoría personalizada durante todo el desarrollo
- Defensa oral ante comité técnico
- Publicación en el Laboratorio de Datos del Instituto
Sistema RAG para documentación legal
Corpus en español con evaluación de recuperación y generación
Clasificador de noticias en español
Fine-tuning de BETO sobre un corpus en español
Clasificación de reseñas
Modelos transformer sobre un corpus en español
Asistente conversacional especializado
Fine-tuning de LLM open source con LoRA
Doble aval universitario
Certificación IDSA + UTN con resolución oficial y verificación digital de cada curso aprobado.

Qué incluye la certificación
- Diploma final con doble firma (Director IDSA + Decano UTN FRRQ)
- Certificado por cada curso completado en el camino
- Resolución oficial 920/2020 UTN Facultad Regional Reconquista
- Código QR de verificación digital
- Copia automática a la Facultad para registro oficial
- Acreditación progresiva: cada curso completado ya queda certificado
Los certificados se emiten al aprobar los quizzes y trabajos prácticos de cada curso.
¿Diplomatura o cursos sueltos?
| Aspecto | Curso suelto | Diplomatura completa |
|---|---|---|
| Duración por unidad | 15-30h por curso | 217h totales |
| Certificación | IDSA + UTN por curso | IDSA + UTN por curso + diploma final |
| Trabajo final aplicado | — | ✓ Obligatorio |
| Publicación en Laboratorio | — | ✓ Elegible |
| Stack completo de NLP | Parcial | ✓ Transformers + RAG + Fine-tuning |
| NLP en español | Parcial | ✓ NLP Avanzado y RAG, con corpus en español |
Dudas sobre la Diplomatura
¿Necesito experiencia previa en NLP?
No. La trayectoria arranca desde la nivelación y Python, y construye progresivamente hasta Transformers y LLMs. Solo se requiere matemática de secundaria y ganas de aprender.
¿Qué modelos voy a usar?
BETO, RoBERTa-BNE, mBERT y XLM-R para español y multilingüe, y modelos open source de Hugging Face como Llama y Mistral para fine-tuning. También se trabaja con modelos de API (OpenAI y equivalentes) como referencia comparativa.
¿Qué herramientas voy a usar?
Python, PyTorch, scikit-learn, spaCy, Hugging Face (Transformers, PEFT, Datasets), Chroma y FAISS para retrieval, y LangChain y LlamaIndex para orquestación, en Google Colab o JupyterLite.
¿Cuánto tiempo lleva completarla?
A 10 horas semanales: aproximadamente 22 semanas (5 meses). A 6 horas semanales: 8 a 9 meses. El ritmo lo definís vos.
¿Cómo se cursan los cursos de la diplomatura?
Cada curso se cursa y se paga de forma individual. Podés comprarlos a medida que avanzás. Al aprobar los 7 cursos más el trabajo final, se emite el diploma de la diplomatura.
¿Qué diferencia hay con la Diplomatura en AI Engineer?
AI Engineer es más amplio: suma MLOps, RAG Avanzado, aprendizaje por refuerzo y sistemas multiagente. NLP Specialist profundiza en lenguaje: representaciones, transformers con Hugging Face, clasificación, NER, evaluación y NLP en español. Comparten cinco cursos (Nivelación, Python, Deep Learning, RAG Fundamentos y Fine-tuning). Si tu foco es lenguaje, esta diplomatura es la más indicada.
¿Qué puedo cursar después?
Podés seguir con la Diplomatura en AI Engineer: ya tendrías aprobados cinco de sus nueve cursos y te faltarían MLOps y Regresión, RAG Avanzado, Fundamentos de Aprendizaje por Refuerzo y Sistemas Multiagente. Para los cursos del Frontier Program tenés acceso directo al completar una Diplomatura IDSA; en otro caso se rinde un examen de admisión técnico.
¿Necesito GPU propia?
No. Los notebooks se ejecutan en Google Colab con GPU gratuita o en JupyterLite. Para proyectos propios que requieran más cómputo existen alternativas gratuitas y pagas.
Dominá el lenguaje natural con IA
217 horas con foco en transformers, RAG y fine-tuning de LLMs. Trabajo final aplicado y doble certificación IDSA + UTN.