1 Introducción: qué es Inteligencia Artificial
Qué significa IA, automatización frente a IA, IA especializada frente a inteligencia general y qué no asumir.
8 min · 1 guía
Vocabulario e ideas esenciales: qué es la IA, sus familias, los modelos actuales, cómo aprender, cómo comunicarnos, sus límites y cómo se convierten en sistemas evaluados y supervisados.
12 capítulos · aprox. 128 min de lectura · Última revisión: 2026-10-03
Qué significa IA, automatización frente a IA, IA especializada frente a inteligencia general y qué no asumir.
8 min · 1 guía
Reglas, aprendizaje supervisado y no supervisado, redes neuronales e IA generativa. Clasificar, predecir y generar.
10 min · 1 guía
Qué es un modelo, un fundacional, un LLM y un SLM; qué significa multimodal; modelo frente a producto.
12 min · 3 guías
Entrenamiento, preentrenamiento, inferencia, fine-tuning, distillation y quantization. Modificar el modelo frente a darle información.
12 min · 3 guías
Tokens, instrucciones, contexto e historial. Por qué más contexto no siempre es mejor contexto.
12 min · 3 guías
Respuesta plausible frente a verdadera, fecha de corte, información externa, ambigüedad y por qué verificar.
10 min · 1 guía
Qué piezas convierten un modelo aislado en un sistema: herramientas, llamadas a funciones, skills, plugins y MCP.
10 min · 1 guía
Por qué no todo va dentro del modelo. Embeddings, similitud semántica, RAG, grounding y trazabilidad.
10 min · 1 guía
Qué es un agente, objetivos, herramientas, memoria, human-in-the-loop y guardrails. Autonomía no es ausencia de control.
12 min · 3 guías
Casos de prueba, benchmarks, métricas, reproducibilidad y la diferencia entre demo y solución confiable.
12 min · 4 guías
El módulo completo en un diagrama y las 10 ideas para llevar.
5 min · contenido propio del manual
12 preguntas conceptuales con respuestas razonadas. Sin examen ni puntaje: comprensión, no memoria.
15 min · contenido propio del manual