01
Fundamentos de la IA
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Biblioteca de IA gratuita
Fundamentos guíasGratis para siempre.
84 Guías en inglés sencillo, rutas de aprendizaje estructuradas y una biblioteca abierta, creada por una organización sin fines de lucro independiente 501(c)(3) para que cualquiera pueda comprender la IA moderna.
84Guías gratuitas
1Pistas temáticas
~2 minPor guía
~3hReading time
Empieza aquí
Five outcome-based courses
Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.
02
Usuario responsable de IA
Utilice la IA de manera productiva mientras protege la privacidad, verifica los resultados y preserva la responsabilidad humana.
03
IA en el trabajo
Evaluate workplace use cases, run safe pilots, measure value, and communicate changes responsibly.
04
Política y sociedad de IA
Analyze AI systems through rights, equity, governance, safety, and public-interest outcomes.
05
Construyendo con sistemas de IA
Understand language models, retrieval, agents, evaluation, cost, and deployment safeguards through practical system design.
Pistas temáticas
Navegar por pista
Salta al área que te interesa. Cada pista tiene varias guías en inglés sencillo.
FundamentosConceptos básicos: cómo funciona la IA a alto nivel.84 guías Idioma IALLM, PNL, ChatGPT, indicaciones y comprensión de textos.155 guías IA visualGeneración de imágenes, visión por computadora, video y diseño.133 guías IA de audioVoz, música, podcasting e IA centrada en el audio.117 guías EmpresasPerfiles de OpenAI, Anthropic, Google, Meta y más.121 guías AplicacionesCómo aparece la IA en la codificación, la búsqueda, los agentes y la vida diaria.111 guías IndustriasIA en atención médica, finanzas, educación, energía y más.91 guías TécnicoChips, ajuste, RAG, vectores e infraestructura de IA.177 guías sociedadSesgo, privacidad, derechos de autor, seguridad y el futuro de la IA.30 guías
biblioteca completa
Todas las guías
84 de 1019 guías mostradas. Filtrar por pista o buscar arriba.
Fundamentos
IA predictiva
Predictive AI uses observed information to estimate an unknown outcome, such as demand, delivery time, or a category.
FundamentosPensamiento de sistemas de IA
AI systems thinking examines how data, models, people, interfaces, and operating policies interact.
FundamentosCiclo de vida del modelo
The model lifecycle covers problem definition, data preparation, training or selection, evaluation, deployment, monitoring, and retirement.
FundamentosConceptos básicos de evaluación de IA
AI evaluation tests whether a system meets a defined purpose under stated conditions.
FundamentosColaboración entre humanos e IA
Human-AI collaboration divides work between people and AI systems while keeping responsibility and control clear.
FundamentosToma de decisiones con IA
AI can supply predictions, organize evidence, or recommend actions, but choosing an action also requires goals, constraints, and responsibility.
FundamentosModos de falla de la IA
An AI failure mode is a repeatable way a system can produce an unacceptable result.
FundamentosNormalización de grupo
La normalización de grupo es una técnica que estabiliza el entrenamiento de redes neuronales normalizando características dentro de pequeños grupos de canales, de forma independiente para cada...
FundamentosUnidades recurrentes cerradas
Una Unidad Recurrente Cerrada (GRU) es un tipo simplificado de celda de red neuronal recurrente que utiliza dos puertas para decidir qué información conservar y qué olvidar...
FundamentosDecaimiento de peso y regularización L2
La caída de peso es una técnica simple y poderosa que empuja los pesos de un modelo hacia cero durante el entrenamiento, disuadiéndolo de depender demasiado de cualquier...
FundamentosAbandono y regularización estocástica
El abandono es un truco de regularización que apaga aleatoriamente una fracción de neuronas durante cada paso de entrenamiento, lo que obliga a la red a construir redes redundantes y robustas...
FundamentosParada temprana
La detención anticipada es una técnica de regularización que detiene el entrenamiento del modelo en el momento en que el rendimiento de los datos de validación retenidos deja de mejorar.
Finished reading? Prove it.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.