Building AI Systems with Python

Manual técnico exhaustivo y orientado a producción escrito por Martin Hander y publicado por Apress (2026), enfocado en la transición desde libretas experimentales y prototipos hasta sistemas de aprendizaje automático y flujos agenticos robustos a escala empresarial. Trabaja principalmente con Python (3.11+) y PyTorch como tecnologías vertebradoras. Está destinado a ingenieros de software, científicos de datos y arquitectos de IA de nivel intermedio que cuenten con un dominio sólido de la sintaxis de Python y deseen diseñar, evaluar, desplegar y mantener arquitecturas de IA con estándares de ingeniería de software profesional.

El temario aborda integralmente el ciclo de vida del software para IA. Enseña ingeniería de datos de alto rendimiento con NumPy, Pandas y PyArrow; diseño de pruebas unitarias y de propiedades con pytest, Hypothesis y torchmetrics; optimización y diferenciación automática (autograd) en PyTorch; modelos basados en la arquitectura Transformer, modelos de difusión y sistemas multimodales; técnicas de fine-tuning eficiente como LoRA y QLoRA; canalizaciones RAG (Retrieval-Augmented Generation) con almacenes vectoriales como FAISS y pgvector; agentes autónomos con el bucle ReAct; integración del protocolo Model Context Protocol (MCP) y subagentes en ejecución paralela; y puesta en producción mediante FastAPI, Ray Serve, TorchServe, vLLM, TGI y seguimiento de experimentos con MLflow y Weights & Biases.

A lo largo de los capítulos, el lector diseña e implementa arquitecturas completas que abarcan desde canalizaciones de datos y modelos generativos hasta redes multi-agente orquestadas capaces de invocar herramientas externas y procesar flujos en paralelo. El gran mérito del libro es tratar la IA no como magia de prompts, sino como ingeniería rigurosa con observabilidad, gobernanza, seguridad y pruebas automatizadas. Presupone bases matemáticas en álgebra lineal y cálculo, así como familiaridad con contenedores para los despliegues de inferencia en producción.