AI / Automation Engineer — Curso público de cero a semi-senior

Un curso navegable, autoguiado y gratuito para reconstruir tus fundamentos de ingeniería y especializarte en el nicho IA + Automatización. Sin atajos, sin sobreventa.

"No se trata de no usar IA. Se trata de no necesitarla para pensar."

---

Qué es esto

Un repositorio de conocimiento libre que te lleva, paso a paso, de cero real a AI / Automation Engineer semi-senior empleable, con la ruta a senior trazada al final. No es una lista de enlaces: es un curso con lecciones tipo universitario, ejercicios con corrección, proyectos capstone por fase y un método de estudio diseñado para que el conocimiento se quede.

La columna vertebral es el ROADMAP.md: 9 fases + un Track-0 paralelo de empleabilidad. El sitio renderizado expande cada sub-unidad en una lección completa.

Para quién es

• Cero real: nunca programaste, o lo intentaste y no cuajó. El curso está escrito para ti: F0–F2 son densas y enseñan desde el principio (no "aceleradas").
• Oxidado con experiencia: sabes orquestar IA pero perdiste autonomía para construir el software que la envuelve. Un diagnóstico de entrada te enruta a saltar lo que ya dominas; la experiencia previa aparece como recuadros "Si ya lo tocaste, valida y salta", nunca como prerrequisito.

Destino: semi-senior empleable en el nicho IA/Automatización (escaso en LATAM), con horizonte a senior tras el siguiente trabajo.

Promesa honesta (sin sobrevender)

[!IMPORTANT] Este curso es autoguiado: no caduca por el reloj. Las cifras son informativas, no un corte.

• Plazos reales a 10–15 h/semana:
  • Cero real → semi-senior empleable: ~18–30 meses.
  • Oxidado con experiencia: ~4–9 meses si pones por delante portafolio, inglés y entrevistas.
  • (Las "9–12 meses" del ROADMAP asumían la aceleración de un perfil con experiencia previa.)
• Salario, dos mercados honestos: la banda objetivo (CLP 1.6–2.4M ≈ USD 1.7–2.6k) mapea a mid local chileno o remoto-USD de entrada. Los remotos jugosos (USD 4–8k) son mayormente senior + inglés required + sistemas agénticos en producción. El premium real de IA/ML es ~12–15%, y el inglés es el gate de pricing, no un bonus.

Si alguien te promete remoto-USD de gama alta en seis meses desde cero, te está vendiendo humo. Aquí no.

El método: Primero-Sin-IA

La regla rectora de todo el curso. Para cada concepto o ejercicio nuevo:

1. Intenta resolverlo solo, a mano, aunque sea feo y lento (timebox: 25–45 min).
2. Solo entonces consulta documentación oficial.
3. Solo al final usa IA — para revisar y explicar, nunca para generar.
4. Reescribe la solución de memoria al día siguiente. Si no puedes, no lo aprendiste.

Se escala por novedad: para conceptos genuinamente nuevos, primero un worked example (el experto razona en voz alta) y práctica con andamiaje que se desvanece; para repaso, Primero-Sin-IA de entrada. Todo ejercicio trae solución de referencia + errores comunes para autocorrección honesta.

Cómo está organizado

ai-automation-engineer-course/
├─ README.md · ROADMAP.md · progreso.md · LICENSE · CONTRIBUTING.md
├─ src/content/docs/   →  EL CURSO: sitio Astro Starlight navegable (estudias aquí)
├─ ejercicios/         →  TU WORKSPACE: resuelves los ejercicios aquí, al lado de VSCode
├─ .ai/                →  CORRECTOR POR IA: rúbricas + instrucciones para que una IA te corrija
└─ .claude/skills/     →  skills para extender el curso y corregir entregas

Doble propósito del repo: (a) estudiar en el sitio renderizado; (b) trabajar los ejercicios en ejercicios/ y dejarlos ahí para que una IA los corrija con las rúbricas de .ai/.

Flujo de aprendizaje

flowchart TD
    A[Lees la lección en el sitio] --> B{Concepto nuevo o repaso?}
    B -->|Nuevo| C[Worked example: el experto razona en voz alta]
    B -->|Repaso| D[Directo al ejercicio]
    C --> E[Práctica con andamiaje que se desvanece]
    E --> F["Ejercicio Primero-Sin-IA · timebox 25–45 min"]
    D --> F
    F --> G["Escribes tu solución en ejercicios/fase-N/<slug>/"]
    G --> H[Una IA la corrige con las rúbricas de .ai/]
    H --> I{Feedback}
    I -->|Hay gaps| F
    I -->|Competente| J[Reescribes de memoria al día siguiente]
    J --> K["Capstone de la fase · Definition of Done"]
    K --> L[RETROSPECTIVA de la fase]
    L --> A

Cómo correr el sitio

Requisitos: Node 20+ y pnpm (este repo usa pnpm, no npm).

pnpm install      # instala dependencias
pnpm dev          # servidor de desarrollo con hot-reload (http://localhost:4321)
pnpm build        # build de producción (sitio estático en dist/)
pnpm preview      # sirve el build de producción localmente

Cómo estudiar

1. Lee la lección en el sitio (pnpm dev). Ahí está la teoría, los modelos mentales, los ejemplos comentados y los diagramas.
2. Trabaja el ejercicio al lado, en VSCode. Cada lección apunta a su scaffold en ejercicios/fase-N/<slug>/ (enunciado + starter + tests). Aplica el Primero-Sin-IA.
3. Pide la corrección a una IA. Cuando termines, dale a tu asistente la entrega y la rúbrica correspondiente en .ai/rubricas/. El corrector evalúa corrección, calidad de ingeniería, seguridad y comprensión demostrada — y te devuelve feedback pedagógico, no solo una nota.
4. Reescribe de memoria al día siguiente y marca tu avance en progreso.md.
5. Cierra cada fase con su proyecto capstone (cumpliendo el Definition of Done) y su RETROSPECTIVA.

Índice de fases

Fase	Tema
Track-0	Empleabilidad, marca e inglés — en paralelo desde la semana 1	🔁
Fase 0	Reconstrucción de fundamentos y autonomía
Fase 1	Lenguajes núcleo: Python + TypeScript
Fase 2	Ingeniería de software
Fase 3	Bases de datos y Backend
Fase 4	Frontend + UI/UX
Fase 5	DevOps, Cloud y despliegue
Fase 6	AI Engineering	★
Fase 7	Automatización, Orquestación y Data Engineering	★
Fase 8	System Design y Arquitectura

★ = donde está tu ventaja competitiva y el premium salarial. El capstone estrella del portafolio es el proyecto agéntico de la Fase 7 (manejo de fallas + impacto real), por encima del RAG genérico.

Hilos transversales tejidos desde el día 1 (no como fase posterior): testing/TDD, evals de IA, seguridad (OWASP web + LLM/Agentic), observabilidad, spec-driven dev + ADRs + Conventional Commits, costo/latencia, inglés técnico y empleabilidad.

Licencia

Licencia dual: el contenido (lecciones, textos, diagramas) bajo CC BY-SA 4.0 y el código (ejemplos, scaffolds, tests, config) bajo MIT. Detalles en LICENSE y LICENSE-CODE.

Contribuir

Las contribuciones son bienvenidas: mejoras de lecciones, ejercicios, correcciones factuales, traducciones. Lee CONTRIBUTING.md para el estándar de lección, los Conventional Commits y la política de idioma.

---

Construido en abierto por Alvaro Cortés. Si te sirve, una estrella ⭐ ayuda a que llegue a otra persona que está reconstruyendo su autonomía.