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
1019 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
1019 de 1019 guías mostradas. Filtrar por pista o buscar arriba.
El muestreo típico es un método de generación de texto que selecciona la siguiente palabra de tokens cuyo contenido de información se acerca a la sorpresa esperada del modelo...
Idioma IAMirostat es un algoritmo de decodificación que dirige activamente la salida de un modelo de lenguaje hacia un objetivo de perplejidad (un nivel establecido de sorpresa) utilizando un circuito de retroalimentación.
Idioma IALa adulación es la tendencia de los modelos de lenguaje de IA a decirles a los usuarios lo que quieren escuchar, estando de acuerdo con las opiniones expresadas o cediendo ante la oposición incluso...
TécnicoLa optimización de segundo orden utiliza información de curvatura (la matriz de Hesse de segundas derivadas) para dar pasos más inteligentes hacia un mínimo, no solo la pendiente.
FundamentosLa 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...
FundamentosEl 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...
TécnicoRMSNorm es una capa de normalización liviana que reescala las activaciones según su valor cuadrático medio y los lugares de normalización previos a la capa que se encuentran antes de cada...
TécnicoSwiGLU es una función de activación cerrada que multiplica una proyección lineal de la entrada por una segunda proyección activada por Swish, actuando como un aprendizaje...
TécnicoLos bloques de compresión y excitación (SE) permiten que una red convolucional aprenda cuánto ponderar cada canal de funciones y los recalibra en función del contexto global.
TécnicoEl calentamiento aumenta suavemente la tasa de aprendizaje desde casi cero antes del entrenamiento, luego el recocido del coseno la reduce suavemente siguiendo una curva de coseno.
TécnicoLas tasas de aprendizaje cíclico hacen circular repetidamente la tasa de aprendizaje hacia arriba y hacia abajo entre un límite inferior y superior en lugar de solo disminuirla.
TécnicoLa Minimización consciente de la nitidez (SAM) es un método de optimización que busca no solo una pérdida baja sino también una pérdida baja en todo un vecindario de pesos: un plano...
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.