Un programa de DeepRat Educative Lab
Sobre el Programa • Estructura • Ruta de Aprendizaje • 📘 Syllabus Completo • 🚀 Guía de Inicio Rápido
Building Intelligence es un programa educativo abierto, estructurado y práctico que te guía a lo largo de todo el recorrido de la Inteligencia Artificial moderna — desde el Machine Learning tradicional hasta los Sistemas Generativos y Agentes de IA más avanzados.
El proyecto está inspirado en el espíritu de la educación abierta. Así como Python para Todos una vez me abrió una puerta, este programa busca abrir esa misma puerta a cualquier persona con ganas de aprender y construir — sin suscripción, sin costo de GPU, sin barreras.
Todas las lecciones están desarrolladas en Jupyter Notebooks, diseñadas para Google Colab (versión gratuita) — compatibles con GPU cuando es necesario — y centradas en sistemas de IA reales y reproducibles.
¡Todas las lecciones están disponibles en inglés y español! (Los archivos en Ingles se designan "_EN" )
El programa se divide en 15 módulos organizados en 5 fases progresivas, cada uno con varios capítulos que combinan contenido teórico y práctico.
Ver el 📘 SYLLABUS completo para información detallada de todos los módulos, objetivos de aprendizaje, proyectos y cronogramas sugeridos.
Cada capítulo incluye:
leccion_teorica.md→ teoría y fundamentos conceptuales01_nombre.ipynb→ notebook interactivo principalejercicios.ipynb→ ejercicios prácticossoluciones.ipynb→ soluciones guiadasREADME.md→ objetivos de aprendizaje, prerequisitos y referencias
Las lecciones se publican semanalmente, siguiendo un camino progresivo y continuo.
Módulo actual: 📘 Enseñando a las máquinas a pensar — El enfoque en Python 1️⃣ Cómo aprenden las máquinas — El lenguaje de los datos 2️⃣ Trazando la primera línea — Predicción con Regresión Lineal Simple
Próximas publicaciones: 🗓️ Cada 7 días — nuevos capítulos y lecciones disponibles aquí.
| Fase | Enfoque | Módulos |
|---|---|---|
| 1. Fundamentos de Machine Learning | Algoritmos básicos y aprendizaje supervisado | 01–03 |
| 2. Deep Learning con PyTorch | Redes neuronales, TensorFlow, Keras, PyTorch | 04–06 |
| 3. IA Generativa y LLMs | Transformers, fine-tuning y diseño de grandes modelos | 07–11 |
| 4. Agentes de IA y Sistemas RAG | RAG, LangChain, Agents y orquestación inteligente | 12–15 |
📘 Ver SYLLABUS completo para detalles de cada módulo, lecciones, proyectos y cronogramas.
- Python 3.10+
- Jupyter Notebook / Google Colab
- Librerías comunes de ML/IA:
numpy,pandas,scikit-learn,matplotlib,torch,tensorflow,transformers,langchain, etc. (La instalación se gestiona automáticamente en los notebooks de Colab.)
- Enseñar ingeniería de IA a través de proyectos reales y ejecutables.
- Ofrecer acceso completamente abierto a material estructurado y de alta calidad.
- Conectar la teoría con la implementación práctica de sistemas.
- Capacitar a autodidactas, estudiantes y profesionales para construir sistemas reales, no solo ejecutar demos.
Seguí las actualizaciones, nuevos módulos y discusiones abiertas en:
Todo el contenido educativo se publica bajo Licencia MIT. Los notebooks, diagramas y ejemplos son libres para aprendizaje y adaptación — con atribución.
“De los modelos a las mentes — hagamos que la inteligencia vuelva a ser abierta.” — Gonzalo Romero (DeepRat)