IA desde cero
Un curso completo sobre inteligencia artificial, desde las matemáticas hasta los LLM, los agentes y MCP. Treinta capítulos, cada uno con valor por sí mismo.
El perceptrón desde cero: qué calcula una neurona
Una neurona es una suma ponderada y un umbral. Esa es toda la idea, y sus límites obligaron a construir todo lo que vino después.
De dónde sale una función de pérdida: verosimilitud, no convención
El error cuadrático no es una convención. Es una afirmación sobre el ruido, y puedes ver cómo se equivoca.
Cuesta abajo: Gradient Descent y los dos pasos que todo el mundo se salta
Todo el mundo escribe el signo menos. Casi nadie explica por qué está ahí, ni qué tamaño de paso puede soportar.
Clasificación, entropía cruzada y cómo no engañarte a ti mismo
La accuracy es el número más fácil de comunicar y también el más fácil con el que engañarse.
Backpropagation desde cero: primero el motor, luego la red
Backpropagation no es un algoritmo de redes neuronales. Es la regla de la cadena, aplicada a un grafo, en la dirección eficiente.
Conseguir que entrene y que generalice
El gradiente es correcto y aun así la red no aprende. Este capítulo va de esa diferencia.
Crea un tokenizador BPE: por qué tu modelo no sabe contar las r
El modelo nunca ve letras. Todo lo raro de cómo escribe, cuenta e indenta viene de ahí.
Predicción del siguiente token: embeddings y qué significa la perplejidad
Un objetivo, sin etiquetas y una tabla de vectores que nadie diseñó.
Attention y el bloque transformer, derivados de una media
Attention no es una fórmula que aceptar: aparece cuando dejas de promediar el pasado de forma uniforme y permites que el modelo elija los pesos.
Preentrenar un LLM: datos, compute, scaling laws y coste
Las decisiones restantes ya no son de programación. Son compras.
Del modelo base al asistente: SFT, RLHF, DPO y GRPO
Un modelo preentrenado no responde preguntas. Continúa texto, y la diferencia es una segunda fase de entrenamiento que nadie ve.
Chain of Thought, RLVR y test-time compute, medidos
Un modelo no piensa. Gasta más tokens antes de responder, y eso se puede medir y facturar.
Abaratar la inferencia: KV cache, batching y cuantización
La generación no es un solo problema: un primer token limitado por cómputo seguido de miles limitados por memoria.
Tu primera llamada LLM en producción: streaming, reintentos y timeouts
El modelo está ahora detrás de un puerto. Casi nada de lo que falla a partir de aquí es matemáticas.
Prompt engineering, medido: qué cambia la salida
Un prompt se mide, no se debate. Cuatro variantes sobre veinte casos no distinguen nada.
Context window, tokens y factura, medidos
La window no es memoria. Se rellena desde cero en cada llamada, y pagas por ese relleno.
Temperatura, Top-p y el determinismo que no tienes
La temperatura no hace que un modelo sea más creativo. Aumenta la probabilidad de tokens que el propio modelo puntuó abajo, y puedes verlo.
Tool Calling y salidas estructuradas: el contrato que aguanta
El modelo nunca ejecuta nada. Pide, con una forma que tú has definido, y esa forma es la única parte que controlas.
RAG en producción: chunking, recuperación y citas honestas
Un mal chunking destruye la respuesta antes de que empiece la búsqueda, y ningún reranker la recupera.
¿Fine-tune, recuperar o usar un prompt? La decisión es económica
Nadie hace esta pregunta sobre el modelo. La hacen sobre un presupuesto.
Precios multimodales: qué facturan de verdad las imágenes, el audio y el vídeo
Una fotografía no cuesta una fotografía. Cuesta tokens, según una fórmula que no elegiste.
Qué es un AI agent: cinco tipos clásicos, dos definiciones rivales
Una herramienta del catálogo convirtió una llamada en dos y 39 tokens de entrada en 420. Que eso la convierta en un agent depende de qué definición abras.
Construye un agent harness: el bucle y sus cinco salidas
El bucle tiene quince líneas. Todo lo que lo hace publicable es una forma de salir de él.
Context engineering: por qué tu agent se vuelve más tonto en el turno 40
La ventana no se desbordó. El dato solo se movió, y el agent dejó de encontrarlo.
Orquestación multi-agent: cinco patrones y cuándo gana uno
Cuatro diseños, una tarea, una factura. El más barato se equivocó y el más caro no podía comprobar a sus propios workers.
MCP explicado desde la especificación: qué es realmente un servidor
No es magia. Es un transporte, un formato de mensaje y tres primitivas, y puedes escribirlo a mano.
Publica un servidor MCP: TypeScript y Python, medidos
Dos SDK, un mismo cable. Las diferencias interesantes son las que el protocolo no puede ver.
Agent Skills y SKILL.md: progressive disclosure, medido
Un skill es una carpeta con un archivo Markdown dentro. Lo interesante depende de qué parte de ese archivo se lee y cuándo.
Evaluación de LLM: de los benchmarks públicos a tu golden set
Un número sin intervalo es una anécdota con decimales.
Prompt injection y la tríada letal: cómo proteger un agent real
El modelo no distingue tus instrucciones de las de un desconocido. Todo lo que funciona parte de aceptar eso.