IA práctica para programadores: ChatGPT, LLM, RAG, agentes, evaluación y despliegue.
Machine Learning desde cero Introducción El aprendizaje automático (Machine Learning, ML) es una rama de la inteligencia artificial que se centra en la creación y aplicación de algoritmos para permitir a las máquinas aprender sin ser progra…
Matemáticas para IA Introducción Las matemáticas son fundamentales para entender y aplicar la inteligencia artificial (IA) de manera efectiva. La mayoría de los algoritmos de aprendizaje automático, desde regresión lineal hasta redes neuron…
Machine Learning: ¿Qué aprender después? La inteligencia artificial (IA) y el aprendizaje automático (ML) son campos en constante evolución, donde nuevas tecnologías e ideas emergen con regularidad. Una vez que has dominado los fundamentos …
Pandas: Un marco de datos para Python intermedio y avanzado Introducción Pandas es uno de los paquetes más poderosos y útiles para la manipulación, análisis y preparación de datos en Python. Es especialmente valioso para aquellos que trabaj…
NumPy: Pasando al siguiente nivel en Python para IA Introducción NumPy, una biblioteca fundamental de Python para la ciencia de datos y la inteligencia artificial, proporciona soporte para arreglos multidimensionales eficientes. Con sus car…
Preparación para ML: Proyecto Guiado Completo Introducción La preparación para la implementación de modelos de Machine Learning (ML) es crucial en cualquier proyecto de inteligencia artificial. En esta unidad, se guiará a los estudiantes a …
Validación de resultados: Un pilar esencial para proyectos de inteligencia artificial Introducción En la creación y entrenamiento de modelos de inteligencia artificial (IA), la validación de resultados es una práctica crucial que asegura la…
Implementación modular Introducción La implementación modular es una práctica clave para cualquier proyecto de inteligencia artificial (IA) que busca ser escalable, manejable y reusable. La idea detrás de la implementación modular es dividi…