Machine Learning,
explicado desde la raíz.
Un recorrido riguroso y práctico por la inteligencia artificial: matemáticas necesarias, Python, algoritmos clásicos, deep learning, NLP, visión, MLOps y proyectos reales con datasets públicos. Sin atajos y sin cajas negras.
Ruta de aprendizaje
Doce módulos secuenciales. Cada uno incluye teoría, fórmulas, ejemplos, código y ejercicios.
Introducción a la IA
Qué es la inteligencia artificial, cómo se relacionan IA, ML y DL, y qué problemas resuelve.
Fundamentos matemáticos
Álgebra, álgebra lineal, cálculo, probabilidad y estadística explicados desde cero con aplicaciones en ML.
Python para ML
Python moderno, NumPy, Pandas, Matplotlib y el flujo de trabajo en Jupyter/Colab.
Fundamentos de ML
Cómo aprende un modelo, datasets, pérdidas, generalización, overfitting y pipelines.
Aprendizaje supervisado
Regresión y clasificación: de la regresión lineal a XGBoost, con teoría, código y criterios de elección.
Aprendizaje no supervisado
Clustering, K-Means, DBSCAN, PCA, detección de anomalías y autoencoders.
Evaluación de modelos
Matriz de confusión, precision, recall, F1, ROC-AUC, MAE, RMSE, R² y validación cruzada.
Redes neuronales y Deep Learning
Perceptrón, activaciones, backpropagation, optimizadores, CNN, RNN, LSTM y Transformers.
Procesamiento de lenguaje natural
Tokenización, TF-IDF, embeddings, Word2Vec, atención, Transformers, BERT y LLMs.
Visión artificial
Imágenes, convoluciones, CNN, clasificación, detección de objetos y segmentación.
MLOps y producción
Serialización, FastAPI, Docker, versionamiento, monitoreo, data drift y despliegue.
Proyectos prácticos
Diez proyectos completos: vivienda, noticias, segmentación, spam, churn, imágenes, sentimiento, recomendación, anomalías y proyecto final.
Cómo aprovechar el curso
Un método simple que funciona mejor que acumular videos.
- Lee la intuición antes de la fórmula. Cada lección empieza explicando qué problema resuelve la idea, y después formaliza.
- Reproduce el código. Ejecuta los ejemplos en Colab o Jupyter y cambia los datos. Aprenderás más de un error propio que de diez aciertos ajenos.
- Resuelve los ejercicios sin mirar. Intenta primero en papel; después contrasta con la solución razonada.
- Usa los simuladores para formar intuición. Mueve los parámetros y observa cómo cambia el modelo. La intuición numérica vale más que memorizar definiciones.
- Cierra cada módulo con el quiz y el proyecto. El quiz detecta vacíos; el proyecto demuestra que puedes integrar lo aprendido.
El curso en números
Diseñado para un máster en IA con base matemática en construcción.
Práctica interactiva
Nueve simuladores para experimentar con los conceptos en lugar de solo leerlos.
Simuladores incluidos
Evaluación
El examen final repasa los 12 módulos con retroalimentación inmediata.