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
Aprenda IA.Gratis para siempre.
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.
1019Guías gratuitas
9Pistas temáticas
~2 minPor guía
~34hReading 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
1019 de 1019 guías mostradas. Filtrar por pista o buscar arriba.
Técnico
Sondeo lineal y evaluación de características congeladas
El sondeo lineal prueba qué tan buenas son las representaciones internas de un modelo previamente entrenado congelando la red y entrenando solo un clasificador lineal simple en la parte superior.
Idioma IAVerificación de muestreo especulativo
El muestreo especulativo acelera la generación de grandes modelos de lenguaje al permitir que un pequeño modelo 'borrador' adivine varios tokens por delante y luego haga que el modelo grande verifique...
Idioma IAMuestreo basado en entropía
El muestreo basado en entropía adapta la forma en que un LLM elige su siguiente token en función de la incertidumbre del modelo en ese momento.
TécnicoDenseNet y conectividad densa
DenseNet es una red convolucional donde cada capa recibe como entrada los mapas de características de todas las capas anteriores.
TécnicoArquitecturas de cuello de botella
Una arquitectura de cuello de botella comprime los datos a través de una capa intermedia estrecha antes de expandirlos nuevamente, lo que obliga a la red a aprender a ser compacta, eficiente...
TécnicoAcumulación de gradiente
La acumulación de gradientes le permite simular un tamaño de lote grande en una memoria GPU limitada sumando gradientes en varios minilotes pequeños antes de actualizar...
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.
TécnicoForzamiento docente en modelos secuenciales
El forzado del profesor es un truco de entrenamiento para modelos de secuencia en el que el token anterior verdadero, no la suposición del propio modelo, se introduce como la siguiente entrada.
TécnicoMuestreo programado y sesgo de exposición
El sesgo de exposición es la brecha que aparece cuando un modelo entrenado solo con prefijos perfectos debe, en inferencia, condicionarse a sus propios resultados imperfectos.
TécnicoPérdida focal por detección desequilibrada
La pérdida focal es una función de pérdida modificada que reduce los ejemplos fáciles para que un detector pueda centrarse en los difíciles y raros.
FundamentosDescenso de gradiente estocástico con impulso
Momentum es un ajuste al descenso de gradientes que acumula un promedio móvil de gradientes pasados, lo que permite que la optimización avance más rápido a través de valles y amortigüe...
Fundamentosgradiente acelerado de Nesterov
El gradiente acelerado de Nesterov (NAG) es una forma más inteligente de impulso que mira hacia adelante antes de calcular el gradiente, dándole una visión correctiva hacia el futuro.
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.