Curso de Inteligencia Artificial desde cero: el temario completo
Seis módulos, en texto, gratis y sin registro. Escrito para quien no ha programado nunca y quiere entender de verdad qué hay dentro de todo esto, no solo aprender a usar un chatbot.
Hola, soy Leo. Este curso lo llamé «1.0» por falta de pretensiones, y el nombre se ha quedado.
Siempre me ha gustado leer. Soy de los que disfrutan del negro sobre blanco más que del vídeo, y guardo muy buen recuerdo de aquellos tutoriales en texto plano con los que aprendí un montón. Por eso, cuando pienso en compartir algo, acabo siempre en este formato. Puede que sea nostalgia. También es práctico: en texto se busca, se copia, se relee el párrafo que no entendiste y se avanza a tu ritmo, sin tener que rebobinar un vídeo de cuarenta minutos.
Aquí vamos a explicar la inteligencia artificial con analogías cotidianas, diagramas cuando hagan falta y ejemplos que puedas ejecutar tú mismo. Sin ecuaciones innecesarias y sin dar por supuesto que sabes qué es una matriz.
Qué vas a poder hacer al terminar
- Explicarle a alguien, en tu propio idioma, qué diferencia hay entre inteligencia artificial, aprendizaje automático y aprendizaje profundo, y por qué no son sinónimos.
- Entender por qué un modelo se inventa cosas con total seguridad, y cómo reducir esa probabilidad cuando lo usas.
- Escribir instrucciones que den resultados mucho mejores que «hazme un resumen de esto».
- Ejecutar tu primer modelo en el navegador, sin instalar nada en el ordenador.
- Detectar cuándo un producto «con IA» tiene algo detrás y cuándo es una etiqueta de marketing.
Por dónde empezar según quién seas
No todo el mundo necesita el módulo 1. Elige tu puerta de entrada.
Empieza por el módulo 1 y ve en orden. Está pensado exactamente para ti y no da nada por supuesto.
Salta al módulo 3. Sabes usarlos, pero probablemente no sepas por qué a veces mienten ni qué es un token, y eso cambia mucho cómo los usas.
Lee el módulo 2 para tener la base conceptual y vete al 5, que es donde se escribe código de verdad.
El temario
Las lecciones con enlace ya están publicadas. El resto se van añadiendo; el orden del temario no cambia.
Qué es exactamente la inteligencia artificial
Empezamos por deshacer el lío de nombres. Aquí se aclara qué es cada cosa, de dónde viene todo esto y por qué la IA lleva setenta años prometiendo cosas que solo ahora empiezan a cumplirse.
- Introducción: ¿qué es la inteligencia artificial?
- Definición sencilla y ejemplos cotidianos — asistentes de voz, recomendaciones de streaming, filtros de correo.
- IA, aprendizaje automático y aprendizaje profundo: qué es cada cosa
- Breve historia de la IA — de Turing a los transformers, pasando por dos inviernos.
- IA débil e IA general: lo que existe hoy y lo que sigue siendo ciencia ficción. (próximamente)
Cómo aprende una máquina
Tres ingredientes y una receta. Datos para aprender, algoritmos para encontrar patrones y potencia de cálculo para procesarlo todo. Si falla uno, no hay modelo.
- Por qué los datos de calidad lo son todo
- Qué es un algoritmo de aprendizaje automático, explicado sin fórmulas. (próximamente)
- Entrenamiento, validación y prueba: por qué un modelo puede aprobar el examen y suspender en la vida real. (próximamente)
- Preprocesamiento: limpiar datos es el 80 % del trabajo y nadie lo cuenta. (próximamente)
- Qué es una red neuronal y por qué se llama así. (próximamente)
- GPU, TPU y por qué entrenar cuesta tanto dinero. (próximamente)
Modelos de lenguaje: lo que usas todos los días
El módulo más práctico y el que más gente necesita. Aquí se entiende de una vez por qué un chatbot puede darte una respuesta perfecta y, a la pregunta siguiente, inventarse una ley que no existe con el mismo tono de seguridad.
- Prompts y enfoques que vale la pena conocer
- Qué es un token y por qué el modelo no ve palabras. (próximamente)
- Alucinaciones: por qué ocurren y qué puedes hacer tú para reducirlas. (próximamente)
- La ventana de contexto: qué recuerda y qué olvida un modelo. (próximamente)
- RAG: cómo se conecta un modelo a tus propios documentos. (próximamente)
- Agentes: qué son realmente y en qué se diferencian de un chatbot. (próximamente)
Las otras ramas de la IA
No todo son chatbots. Buena parte de la IA que usas cada día no habla contigo: te reconoce la cara al desbloquear el móvil, te sugiere la siguiente serie o decide si un correo es spam.
- Visión por computadora — reconocimiento facial, detección de objetos.
- Procesamiento del lenguaje natural: traducción automática y análisis de sentimiento. (próximamente)
- Sistemas de recomendación: por qué la plataforma te conoce mejor que tú. (próximamente)
- IA generativa de imagen, audio y vídeo: cómo funciona la difusión. (próximamente)
Manos a la obra
Aquí se escribe código. Poco, sencillo y en el navegador: no hay que instalar nada ni tener un ordenador potente. Si nunca has programado, este módulo está pensado para que tu primer script funcione a la primera.
- Por qué todo el mundo usa Python para esto. (próximamente)
- Tu primer cuaderno en Google Colab, paso a paso. (próximamente)
- NumPy, Pandas, Matplotlib y Scikit-learn: para qué sirve cada una. (próximamente)
- Proyecto 1 · Regresión lineal: predecir un precio a partir de datos reales. (próximamente)
- Proyecto 2 · Clasificación: distinguir dos tipos de imágenes. (próximamente)
- Proyecto 3 · Clustering: agrupar clientes sin decirle al modelo qué buscar. (próximamente)
La IA en el mundo real
El módulo que casi ningún curso incluye y que a estas alturas es imprescindible. Entender la tecnología sin entender sus límites y sus reglas deja el trabajo a medias.
- Sesgos: cómo un modelo aprende nuestros prejuicios y los devuelve con aspecto de objetividad. (próximamente)
- Privacidad: qué pasa con lo que escribes en un chatbot. (próximamente)
- El Reglamento europeo de IA, explicado para quien no es abogado. (próximamente)
- Derechos de autor y contenido generado: dónde está el límite. (próximamente)
- Empleo: qué tareas cambian de verdad y cuáles no. (próximamente)
Glosario exprés
Doce palabras que vas a oír constantemente. No es necesario memorizarlas, tenemos un Glosario que enlaza a los términos más comunes en IA.
| Algoritmo | Una receta: pasos ordenados para resolver un problema. No tiene nada de mágico. |
| Modelo | El resultado de entrenar un algoritmo con datos. Lo que queda cuando el aprendizaje termina. |
| Entrenamiento | El proceso de mostrarle ejemplos a un modelo hasta que empieza a acertar solo. |
| Red neuronal | Un tipo de modelo organizado en capas, inspirado muy libremente en el cerebro. |
| Deep learning | Redes neuronales con muchas capas. El «profundo» se refiere al número de capas, no a la sabiduría. |
| LLM | Modelo grande de lenguaje. Lo que hay detrás de un chatbot. |
| Token | El trocito de texto con el que trabaja el modelo. Suele ser una palabra o un fragmento de ella. |
| Prompt | La instrucción que le das. Escribirla bien es la mitad del resultado. |
| Alucinación | Cuando el modelo genera algo falso con total aplomo. No miente: no sabe que no sabe. |
| Dataset | El conjunto de datos con el que se entrena. Si está sesgado, el modelo también. |
| Sobreajuste | El modelo se ha aprendido los ejemplos de memoria y falla con casos nuevos. Como el que empolla sin entender. |
| Inferencia | Usar un modelo ya entrenado para obtener una respuesta. Es lo que ocurre cada vez que pulsas enviar. |
Lo que necesitas para seguir el curso
Nada más. Todo el código se ejecuta en la nube y no hay que instalar Python ni configurar entornos.
Cuadernos de Python gratuitos en la nube, con acceso a hardware acelerado. Es donde haremos los proyectos del módulo 5.
Miles de conjuntos de datos públicos para practicar, y competiciones para cuando quieras medirte.
Un aviso desde el principio. No hace falta que sepas matemáticas avanzadas para entender la IA, pero sí para construirla desde cero. Este curso te lleva hasta el punto en que sabes qué está pasando y puedes usar herramientas existentes con criterio. Si después quieres diseñar arquitecturas propias, ahí sí tocará el álgebra lineal y el cálculo. Prefiero decírtelo ahora que dejar que lo descubras en el módulo 5.
Qué no es este curso
- No es un curso con título. No hay certificado ni evaluación. Es material de aprendizaje libre.
- No es un listado de herramientas. Las herramientas cambian cada trimestre; los conceptos, no. Preferimos que entiendas por qué funciona algo a que memorices el menú de una aplicación que dejará de existir.
- No es un máster. No prepara para trabajar como ingeniero de aprendizaje automático. Sí te deja en condiciones de decidir si quieres dedicarte a eso.
- No promete que la IA vaya a hacerte rico. De eso ya se encargan otros.
Recursos para seguir por tu cuenta
- Guía no oficial de Google Gemini — para empezar a practicar con un modelo concreto mientras avanzas con la teoría.
- Google Colab — cuadernos de Python gratuitos en el navegador.
- Kaggle — conjuntos de datos y competiciones de aprendizaje automático.
- formacionprofesional.info — cursos y tutoriales gratuitos. Es un sitio del mismo grupo editorial que este.
Sobre este curso
El temario está cerrado y se publica por entregas: cada lección se enlaza aquí en cuanto está disponible. Esta página es el índice, así que guárdala en favoritos y vuelve cuando quieras seguir.
Escribo yo los textos y los reviso antes de publicar. Si detectas un error, una explicación que no se entiende o algo que ha quedado desactualizado —en este campo pasa cada pocos meses—, dímelo en los comentarios: cada corrección mejora el curso para quien venga detrás.
Contenido divulgativo de carácter general. Los ejemplos y proyectos son con fines educativos y las herramientas de terceros que se mencionan tienen sus propias condiciones de uso y de tratamiento de datos: revísalas antes de subir información personal o confidencial a ninguna de ellas.