#01Vídeos
A IA explicada en vídeos breves
Unha idea por vídeo, con linguaxe clara. Cada un enlaza co capítulo do noso curso gratuíto que a explica paso a paso.
Comeza aquí AI 101
- #01
#02Machine learning: how a computer draws its own dividing line
#03Neural networks: layers of tiny calculators passing signals on
#04How AI learns: guess, measure the error, nudge, repeat
#05Tokens: how AI chops your words into numbered pieces
#06Embeddings: why a puppy lands closer to a dog than to a pizza
Últimos
#031Momentum: how remembering past steps stops AI training zigzagging
#030Mini-batches: why AI learns faster from a random handful of data
#029Saddle points: where AI training looks stuck but has a way down
#028Local minima: why AI training can settle for second best
#027Condition number: why a stretched valley makes AI training crawl
#026Learning rate: the step size with a ceiling you can calculate
#025Gradient descent: how AI finds its way downhill in small steps
#024Gradient: the arrow that points uphill, and why AI walks the other way
#023Chain rule: how AI traces the effect of every layer
#022Derivative: how much the result moves when you nudge one input
#021Grid search: why you cannot train an AI by trying every setting
#020Robust loss: stop one wild reading from wrecking your forecast
#019Heavy tails: when rare, huge errors break the usual average
#018Mean squared error: the hidden bet behind squaring your mistakes
#017The LogSumExp trick: one subtraction that stops AI math overflowing
#016Rounding error: why adding the same numbers can give two answers
#015Floating-point numbers: why your computer cannot hold every number
#014Negative log-likelihood: turning a fragile product into a calm sum
#013Maximum likelihood: the answer that makes your data least surprising
#012Bayes' rule: reasoning backwards from a clue to its most likely cause
#011Chain rule of probability: how AI scores a sentence word by word
#010Loss landscape: training an AI means finding the bottom of a valley
#009Loss function: the scoring rule that decides which answer wins
#008Feature engineering: the human choice that can beat the algorithm
Por capítulo do curso
- 1O perceptrón desde cero: que calcula unha neurona10 vídeos
- 2De onde vén unha función de perda: verosimilitude, non convención12 vídeos
- 3Costa abaixo: Gradient Descent e os dous pasos que todo o mundo salta12 vídeos
- 4Clasificación, entropía cruzada e como non enganarte a ti mesmo
- 5Backpropagation desde cero: primeiro o motor, despois a rede1 vídeo
- 6Facer que adestre e facer que xeneralice
- 7Constrúe un tokenizador BPE: por que o teu modelo non pode contar os R1 vídeo
- 8Predición do seguinte token: embeddings e que significa a perplexidade1 vídeo
- 9Attention e o bloque transformer, derivados dunha media
- 10Preadestrar un LLM: datos, cómputo, leis de escala e custo
- 11Do modelo base ao asistente: SFT, RLHF, DPO e GRPO
- 12Chain of Thought, RLVR e test-time compute, medidos
- 13Facer barata a inferencia: KV cache, batching e cuantización
- 14A túa primeira chamada LLM en produción: streaming, reintentos e timeouts
- 15Prompt engineering, medido: que cambia a saída
- 16A context window, os tokens e a factura, medidos
- 17Temperatura, top-p e o determinismo que non tes
- 18Tool Calling e saídas estruturadas: o contrato que aguanta
- 19RAG en produción: chunking, recuperación e citas honestas
- 20Fine-tuning, recuperación ou prompt? A decisión é económica
- 21Prezos multimodais: o que realmente facturan as imaxes, o audio e o vídeo
- 22Que é un AI agent: cinco tipos clásicos, dúas definicións rivais
- 23Constrúe un agent harness: o loop e as súas cinco saídas
- 24Context Engineering: por que o teu agent se volve máis parvo na quenda 40
- 25Orquestración multi-agent: cinco patróns e cando gaña un só
- 26MCP explicado fronte á especificación: que é realmente un servidor
- 27Publica un MCP server: TypeScript e Python, medidos
- 28Agent Skills e SKILL.md: divulgación progresiva, medida
- 29Avaliación de LLM: dos benchmarks públicos ao teu conxunto de ouro
- 30Prompt injection e a trifecta letal: protexer un agent real