Your cart is empty.
Keep shoppingFormación LLM Local: Ollama, LM Studio y Hugging Face
Role Play
Hot & New
122 students
Formación LLM Local: Ollama, LM Studio y Hugging Face
Ejecuta modelos de IA gratis y con privacidad: open source, Python, RAG, embeddings y modelos multimodales.
Last updated 7/2026
Spanish
Spanish [Auto],
What you'll learn
- Ejecuta modelos LLM localmente con privacidad total y costo cero de API, usando Ollama, LM Studio y Hugging Face
- Entiende cómo funciona un LLM por dentro y elige el modelo correcto para cada rango de hardware
- Domina Ollama de cero a avanzado: comandos, parámetros, streaming, System Prompt y modelos personalizados
- Construye un RAG desde cero con embeddings, para que la IA responda con base en tus propios documentos
- Usa Structured Output y Function Calling para integrar LLMs locales en aplicaciones reales con respuestas confiables
- Integra Ollama con tus herramientas del día a día y usa Claude Code gratis, sin pagar por tokens
- Ejecuta y explora modelos open source de Hugging Face con pipelines en Python
- Usa LM Studio para ejecutar modelos con interfaz gráfica, sin escribir código
Explore related topics
Course content
12 sections • 47 lectures • 5h 6m total length
Requirements
- Una computadora con mínimo 8 GB de RAM (16 GB recomendado), te mostramos qué modelos funcionan en cada rango
- Cerca de 20 GB de espacio libre en disco para descargar y guardar los modelos
- Familiaridad básica con la terminal o línea de comandos, lo esencial se enseña en el curso
- No necesitas GPU dedicada, los ejemplos funcionan en laptops comunes, incluyendo Mac con chip Apple
- Ganas de poner manos a la obra, el curso es práctico de principio a fin
Description
Cada vez que usas una IA en la nube, tus datos hacen un viaje: salen de tu máquina, pasan por servidores de terceros y quedan sujetos a políticas de privacidad que probablemente nunca leíste. Para muchas cosas, está bien. Pero cuando se trata de código propietario, documentos internos de la empresa, datos de clientes o cualquier información sensible, ese modelo empieza a incomodar, y con razón.
Ejecutar un modelo LLM localmente resuelve esto de raíz: el dato no sale de tu computadora porque simplemente no necesita salir. Ganas privacidad de verdad, control total sobre lo que pasa con tu información y, de paso, dejas de pagar por token.
Esta formación nació de esa necesidad. La idea es llevarte de cero hasta el punto en que ejecutas, personalizas e integras modelos open source en tu propia máquina, con la confianza para decidir qué herramienta usar en cada situación.
Lo que vas a aprender:
- Por qué las empresas y los desarrolladores están migrando a los LLMs locales: privacidad, control y costo cero de API
- Cómo funciona un modelo LLM por dentro
- El ecosistema Hugging Face: explorar, elegir y ejecutar modelos open source
- Pipelines en Python: Autotokenizer, Automodel y uso de modelos por tarea
- LM Studio: interfaz gráfica, gestión de modelos, Structured Output y Function Calling
- Ollama de cero a avanzado: instalación, comandos, Generate vs Chat, parámetros y streaming
- System Prompt, roles y creación de modelos personalizados con Modelfile
- Structured Output para respuestas en formato confiable
- Embeddings y RAG en la práctica: construyendo un RAG básico desde cero
- Modelos multimodales ejecutándose localmente
- Integración con herramientas del día a día, incluyendo cómo usar Claude Code con costo cero usando Ollama
- Qué modelos funcionan bien en cada rango de hardware, desde una laptop común hasta una máquina potente
Al final, no solo vas a entender la teoría. Vas a tener Hugging Face, LM Studio y Ollama ejecutándose en tu propia máquina, con privacidad total y costo cero, y la confianza para elegir la herramienta correcta en cada situación.
Who this course is for:
- Desarrolladores que quieren integrar IA en sus aplicaciones sin depender de APIs pagas ni enviar datos a terceros
- Profesionales que trabajan con datos sensibles, código propietario, documentos internos, información de clientes
- Profesionales de datos e ingenieros de machine learning que quieren dominar el ecosistema de modelos open source
- Estudiantes y entusiastas de IA que quieren entender cómo funcionan los LLMs en la práctica, ejecutando todo en su propia máquina
- Empresas y equipos de tecnología que evalúan LLM local para reducir costos y mantener control sobre los datos
- Quien ya usa ChatGPT, Claude o Gemini y quiere dar el siguiente paso, tener su propia IA ejecutándose localmente