Diplomatura IDSA 2026 · Nueva edición

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.

217h
Duración total
7
Cursos incluidos
17h
Trabajo final aplicado
IDSA+UTN
Certificación

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.

▸ Estructura del programa

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.

1
Etapa 1 · Fundamentos
Base técnica
50 horas · 2 cursos · Obligatorio

Nivelación matemática aplicada a Data Science y fundamentos de Python. La base sobre la que se construye todo lo demás.

Nivelación Matemática (35h) Python para Data Science (15h)
2
Etapa 2 · Deep learning, ML y RAG
Redes neuronales, modelos y recuperación
90 horas · 3 cursos · Obligatorio

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.

Fundamentos de Deep Learning y Optimización (30h) Machine Learning Supervisado y No Supervisado (30h) RAG Fundamentos (30h)
3
Etapa 3 · NLP Avanzado
Transformers en español
30 horas · 1 curso · Obligatorio

Pipeline de NLP productivo en español: representaciones, transformers con Hugging Face, clasificación, NER, evaluación con calibración y serving.

NLP Avanzado con Transformers (30h)
4
Etapa 4 · Fine-tuning de LLMs
Modelos a medida
30 horas · 1 curso · Obligatorio

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.

Fine-tuning de LLMs y Prompt Engineering (30h)
5
Etapa 5 · Trabajo Final
Sistema NLP completo
17 horas · 1 proyecto · Obligatorio

Un sistema de NLP completo sobre un corpus real en español, con evaluación objetiva y defensa ante comité técnico.

Proyecto aplicado + Defensa
▸ Los 7 cursos del programa

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.

Introductorio

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.

Sin prerrequisitos
35h JupyterLite
Álgebra linealCálculoProbabilidadEstadística$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Introductorio

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.

Sin prerrequisitos
15h Google Colab
PandasNumPyMatplotlibDash$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Avanzado

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).

Prereq: Python y Nivelación Matemática (recomendados)
30h Google Colab
BackpropagationPyTorchAdamSelf-attention$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Intermedio

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.

Prereq: Python y Nivelación Matemática
30h Google Colab
Scikit-learnRandom ForestXGBoostSHAP$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Intermedio

RAG Fundamentos

Retrieval-Augmented Generation. Búsqueda vectorial desde cero, embeddings para español, evaluación con métricas objetivas, mitigación de alucinaciones y despliegue en producción.

Prereq: Python básico (recomendado)
30h Google Colab
ChromaFAISSLangChainBM25$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Avanzado

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.

Prereq: Python, PyTorch y ML; se recomienda Fundamentos de Deep Learning y RAG Fundamentos
30h JupyterLite / Google Colab
Hugging FaceNERspaCyLoRA$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Avanzado

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.

Prereq: RAG Fundamentos (recomendado)
30h JupyterLite / Google Colab (GPU)
LoRAPEFTLLM-as-judgeFunction calling$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
▸ Perfiles de salida

Tres orientaciones en NLP

La orientación profesional se define por el trabajo final elegido y el énfasis en cada tecnología del stack.

NLP Clásico

NLP Engineer

Implementación de soluciones NLP: clasificación, extracción de entidades y modelos para español, con transformers.

Transformers con Hugging Face y Trainer
Modelos para español: BETO y RoBERTa-BNE
Clasificación y NER
Evaluación con calibración y análisis de sesgos
LLM

LLM Engineer

Construcción de sistemas con LLMs: fine-tuning eficiente, prompt engineering avanzado, evaluación y despliegue.

LoRA, QLoRA y PEFT
Instruction tuning con datos sintéticos
Evaluación con LLM-as-judge
Function calling y despliegue con control de costos
Applied

Applied NLP Scientist

Resolución de problemas complejos con técnicas de NLP modernas y evaluación rigurosa sobre casos reales.

Evaluación de sistemas RAG: recuperación y generación
Evaluación rigurosa de sistemas NLP
Validación y explicabilidad de modelos con scikit-learn y SHAP
Trabajo final aplicado

Los perfiles son orientativos. El alumno construye su especialización con el trabajo final y los proyectos del Laboratorio de Datos.

▸ Trabajo Final

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

▸ Certificación

Doble aval universitario

Certificación IDSA + UTN con resolución oficial y verificación digital de cada curso aprobado.

Certificado IDSA + UTN

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.

▸ Comparativa

¿Diplomatura o cursos sueltos?

AspectoCurso sueltoDiplomatura completa
Duración por unidad15-30h por curso217h totales
CertificaciónIDSA + UTN por cursoIDSA + UTN por curso + diploma final
Trabajo final aplicado—✓ Obligatorio
Publicación en Laboratorio—✓ Elegible
Stack completo de NLPParcial✓ Transformers + RAG + Fine-tuning
NLP en españolParcial✓ NLP Avanzado y RAG, con corpus en español
▸ Preguntas frecuentes

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.

Item added to cart.
0 items - $0,00