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
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.
Empieza aquí
Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Utilice la IA de manera productiva mientras protege la privacidad, verifica los resultados y preserva la responsabilidad humana.
Evaluate workplace use cases, run safe pilots, measure value, and communicate changes responsibly.
Analyze AI systems through rights, equity, governance, safety, and public-interest outcomes.
Understand language models, retrieval, agents, evaluation, cost, and deployment safeguards through practical system design.
Pistas temáticas
Salta al área que te interesa. Cada pista tiene varias guías en inglés sencillo.
biblioteca completa
177 de 1019 guías mostradas. Filtrar por pista o buscar arriba.
La detección de deriva del modelo es la práctica de monitorear un modelo de aprendizaje automático implementado para detectar cuándo su precisión se degrada silenciosamente porque el mundo real tiene...
TécnicoLas pruebas A/B para modelos ML significan dirigir el tráfico en vivo a dos versiones de modelos a la vez y medir cuál realmente funciona mejor en usuarios reales y reales...
TécnicoLa serialización de modelos es la forma en que un modelo de aprendizaje automático entrenado se guarda en el disco para poder cargarlo y ejecutarlo más tarde, en una máquina diferente o en una diferente...
TécnicoEl entrenamiento de precisión mixta acelera el entrenamiento de redes neuronales y reduce el uso de memoria al realizar la mayoría de las matemáticas en punto flotante de 16 bits en lugar de 32 bits.
TécnicoLa decodificación especulativa hace que los modelos de lenguaje grandes generen texto más rápido mediante el uso de un modelo 'borrador' pequeño y rápido para adivinar varios tokens por delante, y luego tener el grande...
TécnicoLa caché KV almacena las claves y los valores que un transformador ya ha calculado, por lo que no rehace el trabajo para cada token nuevo, pero puede aumentar a gigabytes.
TécnicoFlash Attention es una forma inteligente de calcular el paso de atención dentro de Transformers sin tener que escribir la matriz de atención gigante en la memoria lenta.
TécnicoLa poda de modelos reduce una red neuronal al eliminar pesos o estructuras completas que contribuyen poco a su resultado.
TécnicoLa tokenización divide el texto en pequeñas unidades que realmente lee un modelo de lenguaje, y la codificación de par de bytes (BPE) es el método popular para construir...
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.