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
Convoluciones separables en profundidad
Las convoluciones separables en profundidad factorizan una convolución estándar en dos pasos más baratos, reduciendo drásticamente el número de multiplicaciones y parámetros.
TécnicoCircunvoluciones dilatadas y atroces
Las convoluciones dilatadas (también llamadas convoluciones atroces) insertan espacios entre los pesos del filtro para que un núcleo cubra un área mucho más grande sin agregar parámetros.
TécnicoRedes de carreteras y conexiones de salto
Las conexiones saltadas permitieron que la información saltara más allá de las capas, y las redes de carreteras fueron una de las primeras versiones cerradas de esta idea.
Idioma IAPreentrenamiento ELECTRA
ELECTRA es una forma más eficaz de entrenar previamente modelos de lenguaje enseñándoles a detectar palabras falsas en lugar de adivinar las ocultas.
Idioma IAReceta de entrenamiento de RoBERTa
RoBERTa demostró que BERT estaba muy poco capacitado: al ajustar la receta en lugar de la arquitectura, estableció nuevos récords de referencia.
Idioma IAModelado de permutación XLNet
XLNet combina el contexto bidireccional de BERT con la predicción autorregresiva de GPT mediante el entrenamiento sobre ordenamiento aleatorio de palabras.
TécnicoAdaptación de dominio
La adaptación de dominio es un conjunto de técnicas para hacer que un modelo entrenado en un tipo de datos (el dominio de origen) funcione bien en un tipo de datos diferente pero relacionado...
Idioma IAárbol de pensamientos
Tree of Thoughts (ToT) es un marco de sugerencias que permite que un modelo de lenguaje explore múltiples caminos de razonamiento en paralelo, como ramas de un árbol, en lugar de...
Idioma IADecodificación de autoconsistencia
La autoconsistencia es una estrategia de decodificación que muestra muchas rutas de razonamiento diferentes a partir de un modelo de lenguaje y luego elige la respuesta con la que la mayoría está de acuerdo.
FundamentosAgrupación de K-medias
K-Means es un algoritmo no supervisado que clasifica automáticamente los datos en K grupos al encontrar los centros de los grupos.
FundamentosK-vecinos más cercanos
K-Vecinos más cercanos (KNN) clasifica un nuevo punto de datos observando los K ejemplos más cercanos y obteniendo un voto mayoritario.
FundamentosRegresión logística
La regresión logística predice la probabilidad de que algo pertenezca a una clase, como spam o no, aplastando una suma ponderada a través de una curva en forma de S.
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.