Fundamentos · datos · evaluación
Formación en inteligencia artificial para adultos que quieren comprender datos, modelos y sus límites. Desde conceptos esenciales hasta laboratorios pequeños con Python y resultados documentados.
La ruta inicial no exige programación. Los laboratorios técnicos sí requieren conocimientos básicos de Python.
Un modelo puede producir una salida y seguir siendo inadecuado para una tarea. La elección de datos, la separación de ejemplos y el criterio de evaluación influyen en lo que esa salida significa. Nuestro recorrido usa casos pequeños para que cada decisión pueda observarse y discutirse.
No se promete desarrollar un sistema de producción en unas semanas. La formación busca construir una base: formular una pregunta, organizar un conjunto de prueba, comparar un resultado y explicar sus limitaciones. Los ejercicios utilizan información sintética o materiales de práctica con uso permitido.
Rutas de aprendizaje
Fundamentos
$3,200 MXN
4 semanas · 12 horas de sesiones
Comprende qué diferencia reglas, aprendizaje automático e IA generativa. Practica la lectura de resultados y formula preguntas sobre datos y evaluación.
Laboratorio intermedio
$6,800 MXN
8 semanas · 24 horas de sesiones
Trabaja un conjunto pequeño con Python, separa ejemplos de entrenamiento y prueba, y compara un modelo sencillo con una referencia básica.
Laboratorio técnico
$8,900 MXN
10 semanas · 30 horas de sesiones
Explora una red neuronal de tamaño reducido y observa el efecto de decisiones de entrenamiento en un problema didáctico, con énfasis en evaluación.
Los experimentos tienen una pregunta concreta y un criterio de evaluación. No se equipara una práctica con un sistema listo para producción.
Se usan conjuntos pequeños sin información sensible. El origen y las restricciones forman parte de la actividad.
Una cifra aislada no demuestra calidad. Los entregables explican condiciones, errores y límites del experimento.
Ejemplo ilustrativo · no es un testimonio real
En este laboratorio ficticio, el modelo obtuvo un resultado favorable, pero la separación de los datos tenía un problema. Corregir la partición cambió la lectura del experimento. El ejercicio mostró por qué la métrica no se interpreta sola.
Arturo, personaje ficticio
Leer todos los ejemplosNo. IA sin caja negra trabaja conceptos y lectura de ejemplos. Datos y modelos de prueba y Redes pequeñas requieren Python básico. Los conocimientos previos deben comprobarse antes de elegir una ruta; no se promete aprender programación y redes desde cero en el mismo laboratorio.
La ruta inicial no exige matemáticas avanzadas. Los laboratorios requieren comprender operaciones básicas con datos; la ruta de redes recomienda nociones de matrices. Los requisitos exactos deben confirmarse junto con el entorno de práctica.
Los ejercicios se plantean pequeños y no incluyen infraestructura pagada. Antes de contratar, consulta los requisitos del entorno de trabajo. No se garantiza disponibilidad de recursos externos gratuitos ni que cualquier equipo pueda ejecutar todos los laboratorios.
Revisión de requisitos
Consulta conocimientos previos y carga del laboratorio. Puedes preparar una pregunta sobre tu experiencia sin compartir archivos ni datos confidenciales.