AIUnlimited
🌳

Fundamentos de IA

🌱
AI Seeds

Empieza desde cero

🌿
AI Sprouts

Construye bases

🌳
AI Branches

Aplica en la práctica

🏕️
AI Canopy

Profundiza

🌲
AI Forest

Domina la IA

🔨

Maestría en IA

✏️
AI Sketch

Empieza desde cero

🪨
AI Chisel

Construye bases

⚒️
AI Craft

Aplica en la práctica

💎
AI Polish

Profundiza

🏆
AI Masterpiece

Domina la IA

📘

Práctica de IA

📖
Entendiendo modelos open-source

Fundamentos y recursos para modelos open-source

🎯
Del problema a la tarea del modelo

Convertir problemas de negocio en tareas de modelos

⚡
Ejecutando tu primer modelo

Mira tus primeros resultados en 30 minutos

🔧
Fine-tuning y evaluación

Ajusta modelos y evalúa el rendimiento

🚀
Sistemas de aplicación

Construye aplicaciones IA del mundo real

🎨
IA generativa

Explora modelos AIGC open-source

🤖
Agentes

Aprende frameworks Agent y herramientas MCP

📐
Fundamentos complementarios

Fundamentos LLM y evaluación

🎓

Claude Academia

🤖
Claude 101

Learn AI basics with Claude

💻
Claude Code 101

Code with Claude as your pair programmer

🤝
Introduction to Claude Cowork

Collaborate with Claude on complex projects

⚙️
Claude Platform 101

Build apps with the Claude API

Laboratorio

7 experimentos cargados
🧬Sandbox de Red Neuronal🤖¿IA o Humano?🥋Dojo de Prompt Engineering🏁Carrera de Algoritmos🧠Trivia de IA🏗️Lienzo de diseño de sistemas
🎯Entrevista simuladaEntrar al Laboratorio→
🚀

Desarrollo profesional

🚀
Plataforma de Entrevistas

Comienza tu camino

🌟
Dominio Conductual

Domina las habilidades blandas

💻
Entrevistas Técnicas

Supera la ronda de código

🤖
Entrevistas de IA y ML

Dominio en entrevistas de ML

🏆
Oferta y Más Allá

Consigue la mejor oferta

Empezar
AIUnlimited

Licencia MIT

沪ICP备18025655号-11

Aprender

  • Fundamentos de IA
  • Práctica de IA
  • Claude Academia
  • Laboratorio
  • Desarrollo profesional

Comunidad

  • Acerca de
  • Preguntas Frecuentes

Soporte

  • Términos de Servicio
  • Política de Privacidad
  • Contacto
🌿 Nivel 2

AI Sprouts

Construye Tus Bases en IA

¿Listo para crecer? Sumérgete en los bloques fundamentales de la IA: datos, algoritmos y redes neuronales. Ejercicios prácticos te ayudan a desarrollar intuición antes de escribir código.

16
Lecciones
~4h
Duración
2/5
Nivel

🎯 Lo Que Aprenderás

  • ✓Distinguir aprendizaje supervisado, no supervisado y por refuerzo
  • ✓Entender qué son los datos de entrenamiento y por qué importan
  • ✓Pensar críticamente sobre el sesgo y la equidad en IA

Requisitos Previos: AI Seeds (recomendado)

👤 ¿Para Quién Es Esto?

Estudiantes que completaron AI Seeds o tienen conocimiento básico de IA

🏷️ Temas Cubiertos

Tipos de IAEntendiendo los datosCómo decide la IAFundamentos de ética en IA
🧪

Prueba Nuestros Experimentos Interactivos

Pon la teoría en práctica con experimentos de IA prácticos que puedes ejecutar directamente en tu navegador.

→

📚 Lecciones

1
📊

Cómo los Datos Impulsan la IA

Descubra qué son los conjuntos de datos, por qué es importante la calidad de los datos y cómo los datos correctos enseñan a la IA a ser inteligente.

⏱️ 12m→
2
📝

Algoritmos Explicados

Aprenda qué son los algoritmos, cómo funcionan con ejemplos cotidianos y por qué elegir el correcto es importante para la IA.

⏱️ 15m→
3
Comenzar Primera Lección →

🔒 Inicia sesión para seguir tu progreso y obtener certificados

← Volver a Todos los Académicos
🕸️

Introducción a las Redes Neuronales

Explore cómo las redes neuronales imitan el cerebro, procesan información a través de capas y aprende de sus errores.

⏱️ 18m→
4
🏋️

Entrenamiento de Modelos de IA

Comprenda el ciclo de entrenamiento, las funciones de pérdida, el sobreajuste y cómo saber cuándo su modelo de IA está listo.

⏱️ 15m→
5
⚖️

Ética y Sesgo en IA

Explore cómo el sesgo ingresa a los sistemas de IA, los desafíos éticos que crea la IA y cómo podemos construir una tecnología más justa.

⏱️ 15m→
6
⛓️

Retropropagación

Comprenda cómo aprenden las redes neuronales propagando errores hacia atrás a través de capas, utilizando la regla de la cadena para actualizar cada peso.

⏱️ 16m→
7
📉

Funciones de Pérdida y Optimizadores

Descubra cómo las funciones de pérdida miden los errores de un modelo y cómo los optimizadores utilizan gradientes para reducirlos sistemáticamente.

⏱️ 15m→
8
🔤

Tokenización

Descubra cómo los modelos de lenguaje dividen el texto en tokens usando BPE y otros algoritmos, y por qué la tokenización influye en todo, desde el costo hasta la capacidad.

⏱️ 14m→
9
🧭

Embeddings y Bases de Datos Vectoriales

Explore cómo la IA representa palabras y oraciones como vectores en un espacio de alta dimensión, lo que permite la búsqueda semántica, recomendaciones y RAG.

⏱️ 16m→
10
📊

Métricas de Evaluación

Descubra por qué la precisión por sí sola es engañosa y domine las métricas (precisión, recuperación, F1, ROC-AUC, BLEU y perplejidad) que realmente miden el rendimiento de la IA.

⏱️ 15m→
11
🔤

Entendiendo los grandes modelos de lenguaje

Cómo funcionan GPT, Claude y otros LLM bajo el capó

⏱️ 15m→
12
📉

Sobreajuste y subajuste: por qué fallan los modelos de ML

Comprenda los dos modos de falla más comunes del aprendizaje automático (sobreajuste y desajuste) con ejemplos claros y cómo solucionarlos.

⏱️ 25m→
13
⚙️

Ingeniería de características: enseñar a las máquinas qué importa

Descubra cómo la ingeniería de funciones transforma los datos sin procesar en poderosas entradas de aprendizaje automático: la habilidad que separa los buenos modelos de los excelentes.

⏱️ 30m→
14
🔀

Aprendizaje supervisado vs no supervisado: diferencias clave explicadas

Una comparación clara del aprendizaje automático supervisado y no supervisado: cuándo utilizar cada enfoque, con ejemplos y algoritmos del mundo real.

⏱️ 25m→
15
🌳

Árboles de decisión: el algoritmo que puedes dibujar en papel

Descubra cómo funcionan los árboles de decisión, por qué son uno de los algoritmos de aprendizaje automático más intuitivos y cuándo utilizarlos.

⏱️ 25m→
16
🔵

Clustering: cómo la IA encuentra patrones sin etiquetas

Comprenda la agrupación en clústeres, una técnica clave de aprendizaje no supervisado, a través de K-Means, agrupación en clústeres jerárquica y aplicaciones del mundo real.

⏱️ 25m→