IA desde cero
Un curso completo sobre intelixencia artificial, desde as matemáticas ata os LLMs, os axentes e MCP. Trinta capítulos, cada un con valor por si só.
O perceptrón desde cero: que calcula unha neurona
Unha neurona é unha suma ponderada e un limiar. Esa é toda a idea, e os seus límites obrigaron a crear todo o que veu despois.
De onde vén unha función de perda: verosimilitude, non convención
O erro cadrático non é unha convención. É unha afirmación sobre o ruído, e podes velo equivocarse.
Costa abaixo: Gradient Descent e os dous pasos que todo o mundo salta
Todo o mundo escribe o signo menos. Case ninguén explica por que está aí nin que tamaño de paso soporta.
Clasificación, entropía cruzada e como non enganarte a ti mesmo
A exactitude é o número máis doado de reportar e tamén o máis doado co que enganarse.
Backpropagation desde cero: primeiro o motor, despois a rede
Backpropagation non é un algoritmo de redes neuronais. É a regra da cadea aplicada a un grafo, na dirección eficiente.
Facer que adestre e facer que xeneralice
O gradiente é correcto e a rede segue sen aprender. Este capítulo trata desa diferenza.
Constrúe un tokenizador BPE: por que o teu modelo non pode contar os R
O modelo nunca ve letras. Todo o estraño de como deletrea, conta e indenta vén de aí.
Predición do seguinte token: embeddings e que significa a perplexidade
Un obxectivo, sen etiquetas, e unha táboa de vectores que ninguén deseñou.
Attention e o bloque transformer, derivados dunha media
Attention non é unha fórmula que haxa que aceptar: aparece cando deixas de mediar o pasado uniformemente e o modelo escolle os pesos.
Preadestrar un LLM: datos, cómputo, leis de escala e custo
As decisións que quedan xa non son de programación. Son compras.
Do modelo base ao asistente: SFT, RLHF, DPO e GRPO
Un modelo preadestrado non responde preguntas. Continúa texto, e a diferenza é unha segunda etapa de adestramento que ninguén ve.
Chain of Thought, RLVR e test-time compute, medidos
Un modelo non pensa. Gasta máis tokens antes de responder, e iso pódese medir e facturar.
Facer barata a inferencia: KV cache, batching e cuantización
A xeración non é un único problema: un primeiro token limitado por cómputo seguido de milleiros limitados pola memoria.
A túa primeira chamada LLM en produción: streaming, reintentos e timeouts
O modelo agora está detrás dun porto. Case nada do que falla a partir de aquí é matemática.
Prompt engineering, medido: que cambia a saída
Un prompt mídese, non se debate. Catro variantes sobre vinte casos non distinguen absolutamente nada.
A context window, os tokens e a factura, medidos
A xanela non é memoria. Enchese desde cero en cada chamada, e pagas por ese recheo.
Temperatura, top-p e o determinismo que non tes
A temperatura non fai un modelo máis creativo. Sobe a probabilidade de tokens que o propio modelo puntuou abaixo, e podes velo pasar.
Tool Calling e saídas estruturadas: o contrato que aguanta
O modelo nunca executa nada. Pide, cunha forma que ti definiches, e a forma é a única parte que controlas.
RAG en produción: chunking, recuperación e citas honestas
Un mal chunking destrúe a resposta antes de que empece a busca, e ningún reranker a recupera.
Fine-tuning, recuperación ou prompt? A decisión é económica
Ninguén fai esta pregunta sobre o modelo. Faina sobre un orzamento.
Prezos multimodais: o que realmente facturan as imaxes, o audio e o vídeo
Unha fotografía non custa unha fotografía. Custa tokens, cunha fórmula que ti non escolliches.
Que é un AI agent: cinco tipos clásicos, dúas definicións rivais
Unha ferramenta no catálogo converteu unha chamada en dúas e 39 tokens de entrada en 420. Se iso o converte nun agent depende da definición que abras.
Constrúe un agent harness: o loop e as súas cinco saídas
O loop ten quince liñas. Todo o que o fai publicable é unha forma de saír del.
Context Engineering: por que o teu agent se volve máis parvo na quenda 40
A xanela non desbordou. O dato só se moveu, e o agent deixou de atopalo.
Orquestración multi-agent: cinco patróns e cando gaña un só
Catro arranxos, unha tarefa, unha factura. O máis barato estaba equivocado e o máis caro non podía comprobar os seus propios traballadores.
MCP explicado fronte á especificación: que é realmente un servidor
Non é maxia. É un transporte, un formato de mensaxe e tres primitivas, e podes escribilo á man.
Publica un MCP server: TypeScript e Python, medidos
Dous SDKs, un mesmo fío. As diferenzas interesantes son as que o protocolo non pode ver.
Agent Skills e SKILL.md: divulgación progresiva, medida
Unha skill é un cartafol cun ficheiro Markdown dentro. Todo o interesante depende de que parte dese ficheiro se le e cando.
Avaliación de LLM: dos benchmarks públicos ao teu conxunto de ouro
Un número sen intervalo é unha anécdota con decimais.
Prompt injection e a trifecta letal: protexer un agent real
O modelo non pode distinguir a túa instrución da dun descoñecido. Todo o que funciona constrúese aceptando iso.