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
Técnico guíasGratis para siempre.
177 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.
177Guías gratuitas
1Pistas temáticas
~2 minPor guía
~6hReading 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
177 de 1019 guías mostradas. Filtrar por pista o buscar arriba.
Técnico
Modelos BitNet de 1 bit y ternario
BitNet es la línea de investigación de Microsoft que muestra que se pueden entrenar modelos de lenguaje grandes con pesos restringidos a solo 1 bit, o tres valores...
TécnicoCuantización posterior al entrenamiento GPTQ y AWQ
GPTQ y AWQ son dos métodos líderes para reducir los modelos de lenguaje ya entrenados a una precisión de 4 bits para que se ejecuten en hardware más pequeño y más barato.
TécnicoMétricas de evaluación de ROUGE y BLEU
ROUGE y BLEU son las métricas automáticas más potentes para comparar texto generado por máquinas con referencias humanas.
TécnicoRAG especulativo y redacción aumentada de recuperación
El RAG especulativo acelera y agudiza la generación de recuperación aumentada al tener un modelo pequeño y rápido que redacta múltiples respuestas candidatas a partir de las recuperadas...
TécnicoAtención escasa en bloques y escasa nativa
La atención dispersa en bloques y nativa permite a los transformadores atender solo las partes más relevantes de una secuencia larga en lugar de cada token, cortando...
TécnicoResultados del modelo de lenguaje de marcas de agua
La marca de agua incorpora una señal estadística oculta en el texto generado por IA para que luego pueda detectarse como escrito por máquina, sin cambiar lo que hace un lector humano...
TécnicoDecodificación especulativa con EAGLE
La decodificación especulativa acelera la inferencia de modelos de lenguaje grandes al permitir que un pequeño modelo borrador adivine varios tokens por delante, que luego el modelo grande verifica...
TécnicoFunciones de influencia para la atribución de datos de entrenamiento
Las funciones de influencia estiman en qué medida cada ejemplo de entrenamiento influyó en la predicción de un modelo, lo que le permite rastrear un resultado hasta los datos que lo causaron.
TécnicoNormalización por lotes
La normalización por lotes es una técnica que reescala las entradas a cada capa de una red neuronal durante el entrenamiento, haciendo que las redes profundas se entrenen más rápido y más...
TécnicoAjuste de hiperparámetros
Los hiperparámetros son las configuraciones que elige antes del entrenamiento, como la tasa de aprendizaje o el tamaño del modelo, que el modelo no aprende por sí solo.
TécnicoAprendizaje contrastivo
El aprendizaje contrastivo le enseña a un modelo a unir cosas similares y separar cosas diferentes en un espacio de incrustación.
TécnicoAprendizaje por refuerzo a partir de la retroalimentación humana
RLHF es la técnica que convierte un modelo de lenguaje crudo en un asistente útil y educado al entrenarlo según las preferencias humanas.
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.