IA práctica para programadores: ChatGPT, LLM, RAG, agentes, evaluación y despliegue.
Broadcasting: Estructura y Propiedades de Tensores en PyTorch Introducción Broadcasting es una característica fundamental en PyTorch que permite a los tensores con dimensiones diferentes operar entre sí como si fueran del mismo tamaño. Esta…
Shapes y dtypes Introducción En la programación de Deep Learning, los tensores son una estructura fundamental para representar datos. La comprensión de las dimensiones (shapes) y los tipos de datos (dtypes) es crucial para el correcto manej…
Uso de dispositivos (CPU/GPU) en PyTorch Introducción En el contexto de la inteligencia artificial y el aprendizaje profundo, es crucial comprender cómo distribuir las tareas computacionales entre diferentes dispositivos. La elección entre …
Operaciones básicas en PyTorch Introducción PyTorch es una biblioteca de aprendizaje profundo que permite a los desarrolladores construir modelos de inteligencia artificial con mayor control y flexibilidad. En la Unidad 2 — Instalación y en…
Crear tensores: Primer contacto con PyTorch Introducción En el mundo del aprendizaje profundo, los tensores son la moneda de cambio. Son una generalización multidimensional de matrices y vectores que forman la base para muchas operaciones e…
Compatibilidad CUDA: Configuración Crucial para PyTorch Introducción La compatibilidad con CUDA es una característica vital en la implementación de PyTorch. CUDA, que se basa en CUDA (Compute Unified Device Architecture), proporciona un ent…
CPU vs GPU Introducción En la era de la inteligencia artificial, elegir entre usar un CPU (Central Processing Unit) o un GPU (Graphics Processing Unit) es crucial para mejorar las velocidades de entrenamiento y inferencia en modelos de Deep…
Instalación con pip/conda: Preparar el entorno para PyTorch Introducción La instalación correcta de PyTorch es fundamental para cualquier proyecto que involucre aprendizaje profundo. PyTorch, siendo uno de los frameworks más potentes y flex…