ML/AIMLE·AIMachine Learning Engineering
Ruta de aprendizaje

De las matemáticas a la investigación

Diez niveles en orden. Cada uno tiene teoría, un ejercicio, un proyecto y un criterio claro para saber si lo has completado. Marca los niveles terminados: el progreso se guarda solo en este navegador.

0 % completado
  1. 01

    Nivel 1 · Matemáticas

    Teoría
    Vectores y matrices, derivadas y regla de la cadena, gradientes, probabilidad básica.
    Ejercicio
    Calcula a mano el gradiente de f(x, y) = x² + 3xy y comprueba el resultado con diferencias finitas en Python.
    Proyecto
    Implementa el descenso de gradiente para minimizar una función de dos variables y dibuja la trayectoria.
    Está completo cuando…
    Sabes explicar qué es un gradiente y por qué se resta en cada paso.

    Abrir la lección del nivel 1 →

    Descenso de gradienteLa función sigmoide
  2. 02

    Nivel 2 · Python

    Teoría
    Sintaxis, funciones, NumPy vectorizado, Pandas y Matplotlib.
    Ejercicio
    Carga un CSV con Pandas, limpia valores nulos y agrupa por una columna.
    Proyecto
    Análisis exploratorio completo del dataset Wine Quality con gráficos.
    Está completo cuando…
    Escribes código NumPy sin bucles innecesarios y usas groupby con soltura.

    Abrir la lección del nivel 2 →

    Laboratorio de Python
  3. 03

    Nivel 3 · Estadística

    Teoría
    Distribuciones, media y varianza, correlación, teorema central del límite, contraste de hipótesis, Bayes.
    Ejercicio
    Simula el teorema central del límite con medias de muestras de una distribución exponencial.
    Proyecto
    Estudio de correlaciones y outliers en California Housing.
    Está completo cuando…
    Distingues correlación de causalidad y sabes interpretar un intervalo de confianza.

    Abrir la lección del nivel 3 →

  4. 04

    Nivel 4 · Machine Learning

    Teoría
    Supervisado y no supervisado, validación, sobreajuste, regularización, árboles y ensembles, métricas.
    Ejercicio
    Compara un árbol y un Random Forest con validación cruzada de 5 particiones.
    Proyecto
    Clasificador de fallos con AI4I 2020, con métricas adecuadas para clases desbalanceadas.
    Está completo cuando…
    Eliges la métrica correcta y detectas sobreajuste con curvas de validación.
    Sobreajuste y regresión polinómicaLasso contra RidgeÁrbol de decisión y Random ForestK-means paso a paso
  5. 05

    Nivel 5 · Deep Learning

    Teoría
    Neuronas, activaciones, MLP, backpropagation, optimizadores, CNN y RNN.
    Ejercicio
    Implementa en NumPy una red de una capa oculta y verifica su gradiente numéricamente.
    Proyecto
    CNN en PyTorch para CIFAR-10 con aumento de datos.
    Está completo cuando…
    Puedes escribir un bucle de entrenamiento en PyTorch desde cero y depurarlo.
    Frontera de decisión de una redBackpropagation paso a paso
  6. 06

    Nivel 6 · Transformers

    Teoría
    Tokenización, embeddings, codificación posicional, self-attention, multi-head, bloques residuales.
    Ejercicio
    Implementa scaled dot-product attention en PyTorch y compara con nn.MultiheadAttention.
    Proyecto
    Un mini-GPT a nivel de carácter entrenado con un texto en castellano.
    Está completo cuando…
    Sabes decir la forma de cada tensor en un bloque Transformer.
    Visualizador de atenciónTransformer Visualizer
  7. 07

    Nivel 7 · LLM

    Teoría
    Preentrenamiento, fine-tuning, LoRA, muestreo, cuantización, RAG, evaluación.
    Ejercicio
    Haz fine-tuning con LoRA de un modelo pequeño de Hugging Face.
    Proyecto
    Sistema RAG sobre tus propios documentos con pgvector.
    Está completo cuando…
    Explicas cuándo conviene RAG y cuándo fine-tuning.
  8. 08

    Nivel 8 · MLOps

    Teoría
    Docker, APIs con FastAPI, bases de datos, CI/CD, monitorización y deriva de datos.
    Ejercicio
    Empaqueta un modelo de scikit-learn en una API FastAPI dentro de Docker.
    Proyecto
    Despliegue del modelo de mantenimiento predictivo con monitorización.
    Está completo cuando…
    Tu modelo se levanta con docker compose up y tiene tests.
  9. 09

    Nivel 9 · Agentes IA

    Teoría
    Uso de herramientas, planificación, memoria, evaluación y seguridad de agentes.
    Ejercicio
    Un agente que responde preguntas consultando una API y una base de datos.
    Proyecto
    Agente de soporte técnico con RAG y herramientas, con registro de trazas.
    Está completo cuando…
    Mides la tasa de éxito del agente con un conjunto de casos de prueba.
  10. 10

    Nivel 10 · Investigación

    Teoría
    Leer papers, reproducir resultados, diseñar experimentos y ablaciones.
    Ejercicio
    Reproduce una figura de un paper clásico.
    Proyecto
    Replica un paper de la biblioteca con código abierto y documenta las diferencias.
    Está completo cuando…
    Puedes defender una hipótesis con experimentos controlados.
    Biblioteca de papers