Nuestros programas
Tres programas, una progresión que funciona
Cada programa está diseñado para un nivel específico. La idea es que el estudiante entre donde le corresponde y avance desde ahí con un proceso bien soportado.
Volver al inicioNuestra metodología
Cómo está construido cada programa
Los programas de Zenú Labs siguen una estructura que alterna exposición a nuevos conceptos, práctica directa y revisión. Cada semana tiene una carga definida que no se expande de forma imprevisible.
La primera sesión de cada programa se dedica a configurar el entorno de trabajo: Python, las bibliotecas del nivel correspondiente y el repositorio donde vivirá el proyecto. Así el tiempo de las semanas siguientes se va al trabajo real.
Los proyectos usan datos con irregularidades reales: valores faltantes, distribuciones sesgadas, decisiones de preprocesamiento sin respuesta única. Eso es más útil que trabajar con datasets perfectamente limpios.
Secuencia clara
Cada concepto aparece cuando tiene contexto
Datos reales
Proyectos con decisiones y consecuencias propias
Revisión por ciclo
Materiales actualizados cada cohorte
IA responsable
Sesgos y límites integrados, no opcionales
Fundamentos de Desarrollo con IA
Punto de entrada para quienes llegan desde cero al campo. Se trabajan Python, manipulación de datos y los conceptos esenciales de la IA a través de proyectos guiados con un ritmo sostenible. No se asume experiencia previa en programación.
- Python desde cero: variables, estructuras, funciones, módulos
- Manejo de datos con NumPy y pandas
- Introducción a modelos predictivos básicos
- Sesiones semanales con mentor
- Cohorte pequeña con interacción entre estudiantes
- Primer proyecto de portafolio incluido
Proceso del programa
Configuración del entorno y primeros pasos en Python
Manipulación y exploración de datos con pandas
Introducción a modelos de clasificación y regresión
Proyecto final: análisis y modelo sobre datos reales
Machine Learning Aplicado
Para quienes ya dominan Python y quieren construir modelos que funcionan en entornos reales. Se trabajan los métodos más usados en la práctica: árboles de decisión, ensambles, SVM, evaluación rigurosa y despliegue básico. Las tareas usan datos con irregularidades reales.
- Preprocesamiento avanzado y feature engineering
- Modelos: árboles, random forest, gradient boosting, SVM
- Evaluación, validación cruzada y ajuste de hiperparámetros
- Despliegue básico con FastAPI
- Revisiones de código con feedback individualizado
- Capstone para portafolio: modelo completo con documentación
Proceso del programa
Preprocesamiento y exploración de datos complejos
Modelos supervisados: entrenamiento y evaluación
Ajuste fino, selección de modelos y validación
Despliegue básico y capstone documentado
Deep Learning Engineering
Programa de profundidad para estudiantes con experiencia sólida en ML que quieren moverse hacia trabajo profesional con redes neuronales. Se trabajan arquitecturas CNN y Transformer, fine-tuning de modelos preentrenados y despliegue responsable. El proyecto guiado es sustancial.
- Redes neuronales: arquitecturas feedforward, CNN, RNN
- Transformers y fine-tuning de modelos preentrenados
- TensorFlow y PyTorch en proyectos reales
- Despliegue responsable y consideraciones éticas
- Mentoría individual uno a uno
- Soporte de preparación para el campo profesional
Proceso del programa
Redes neuronales: fundamentos y entrenamiento con backprop
CNN para visión y Transformers para NLP
Fine-tuning de modelos preentrenados con datos propios
Proyecto guiado: despliegue completo con documentación
Comparación
¿Qué programa es para ti?
| Característica | Fundamentos | ML Aplicado | Deep Learning |
|---|---|---|---|
| Perfil recomendado | Sin experiencia previa | Python básico dominado | ML con experiencia práctica |
| Duración | 8 semanas | 10 semanas | 12 semanas |
| Carga semanal | ~8 horas | ~10 horas | ~12 horas |
| Mentorías | Semanales grupales | Quincenales con código | Individuales |
| Proyecto portafolio | |||
| Precio | $120.000 COP | $300.000 COP | $490.000 COP |
Estándares técnicos
Lo que se mantiene constante en todos los programas
Privacidad y seguridad
Los datos del estudiante se manejan con políticas claras y acceso restringido.
Buenas prácticas de código
PEP 8, documentación de funciones y control de versiones con Git desde el inicio.
Materiales actualizados
Revisión por cohorte para reflejar cambios en herramientas y bibliotecas.
IA responsable
Sesgos, transparencia y límites de modelos integrados en el currículo.
Soporte entre sesiones
Canal activo con respuesta en 24 horas hábiles para bloqueos puntuales.
Acceso desde cualquier dispositivo
Materiales accesibles desde móvil o tablet para quienes no siempre tienen computador cerca.
¿Cuál es tu nivel?
Hablemos y te orientamos hacia el programa correcto
Una conversación de diez minutos con el equipo es suficiente para entender dónde estás y qué programa tiene sentido para ti ahora.
Consultar ahora