Token LabBuscar

Aprender IA desde cero: una ruta de 52 semanas, de cursos a proyectos

Una ruta práctica de Python, matemáticas, aprendizaje automático, modelos de lenguaje, aprendizaje por refuerzo y agentes, con tareas y criterios de dominio.

Fuentes y versiones
En este artículo

Cómo encajan los conocimientos

Una lista indica qué existe; una ruta explica qué estudiar después, qué conocimientos presupone y qué podrá construir el estudiante. Este plan independiente de Token Lab combina materiales de Stanford, MIT, Berkeley, Harvard y Cornell con educadores independientes y cursos abiertos de ingeniería. No constituye un título universitario ni implica el respaldo de esas instituciones.

Reserve 10–15 horas semanales durante 52 semanas: unas 520–780 horas. Ese presupuesto cubre clases centrales seleccionadas y proyectos acotados, no todos los cursos y tareas del catálogo. Un principiante absoluto puede necesitar 18–24 meses. Un SDE experimentado puede acortar Python, pero no debe omitir probabilidad, razonamiento numérico ni diseño experimental. La profundidad investigadora requiere más tiempo.

Material público no significa matrícula, corrección, certificados o cómputo gratuitos. Algunas grabaciones actuales de Stanford requieren matrícula, aunque hay ediciones oficiales anteriores abiertas. Code in Place funciona por convocatorias. Coursera puede cobrar por acceso o certificados; GPU y API externas pueden generar costes. Token Lab no realiza llamadas de pago para esta ruta.

Dependencias de conocimiento, no clasificación de prestigio. Los modelos de lenguaje conectan directamente con los agentes; RL es una rama adicional para aprender políticas, no un requisito de todos los agentes. Los vídeos y tareas permanecen en sus proveedores originales.
Dependencias de conocimiento, no clasificación de prestigio. Los modelos de lenguaje conectan directamente con los agentes; RL es una rama adicional para aprender políticas, no un requisito de todos los agentes. Los vídeos y tareas permanecen en sus proveedores originales. Ver diagrama completo

Un año realista y una rutina semanal

Elija un curso principal por materia. Las alternativas ayudan con una carencia concreta: intuición, derivaciones más lentas, implementación o especialización. Ver tres introducciones solapadas suele retrasar la primera implementación independiente. Mantenga los recursos adicionales en reserva hasta poder identificar la necesidad.

En una semana de 12 horas, dedique 3 a clases y notas, 2 a reconstruir derivaciones, 5 a implementar y depurar y 2 a un informe técnico. Pause antes de una demostración y prediga el siguiente paso. Registre la suposición equivocada, el contraejemplo mínimo y la modificación; revise ese registro tras una semana y un mes.

Semanas 1–10: fundamentos; 11–18: ML; 19–27: redes; 28–38: lenguaje; 39–46: RL; 47–52: agentes. Es un presupuesto, no un plazo obligatorio. Si falta terminar un proyecto, reduzca optativas antes de eliminar práctica. Respete el código de honor y no publique soluciones de tareas activas cuando esté prohibido.

Etapa 0 · Python y lenguaje matemático

Python permite expresar cálculos reutilizables, lotes de datos y pruebas. Use CS50P para autoestudio o Code in Place cuando haya una convocatoria adecuada. Añada archivos, excepciones, entornos virtuales, Git y comandos reproducibles; después, broadcasting de NumPy y tensores de PyTorch. Saber sintaxis no equivale a dominar computación numérica.

Visualice matrices como transformaciones con 3Blue1Brown y estudie en MIT 18.06 sistemas lineales, espacio generado, rango, proyecciones, autovectores y valores singulares. ENGR108 es una alternativa aplicada basada en Boyd–Vandenberghe, pero el curso actual usa Julia. Traduzca las ideas matemáticas: no espere cuadernos Python ni un temario idéntico solo por la continuidad del número de curso.

La probabilidad describe incertidumbre; el cálculo describe sensibilidad a parámetros. CS109 o Stat 110 aportan probabilidad condicional, Bayes, esperanza, varianza y muestreo. Las animaciones de cálculo dan intuición, pero también hay que derivar parciales y la regla de la cadena. La entropía cruzada procede de probabilidades y la retropropagación aplica esa regla a un grafo de cálculo.

Si X tiene n filas y d características, w tiene d pesos y y tiene n objetivos, Xw produce n predicciones. El gradiente del error cuadrático medio con factor 1/2 es Xᵀ(Xw−y)/n, de dimensión d. Con ,0],[1,1]], ,3], ,0], resulta [−2,−1.5]. Un paso de tamaño 0.1 produce [0.2,0.15].

Entender el mecanismo

Un vector es una colección ordenada de coordenadas; una matriz representa una operación lineal entre espacios. El rango cuenta direcciones independientes: si dos características siempre cambian juntas, los datos no identifican por separado sus efectos sin más supuestos. La derivada mide sensibilidad local y el gradiente reúne derivadas parciales. Un paso suficientemente pequeño en sentido opuesto al gradiente reduce localmente el objetivo. La probabilidad representa incertidumbre mediante distribuciones, no adjetivos de confianza.

Una decisión y un cálculo concretos

Si el 1% de tickets es urgente, un detector encuentra el 90% de ellos y alerta sobre el 5% de los no urgentes, en 10,000 tickets esperamos 90 alertas verdaderas y 495 falsas. Solo 90/585≈15.4% de alertas corresponde a urgencias. Es un ejemplo sintético de Bayes, no una medición de producto: la tasa base importa tanto en ML como en seguridad de agentes.

Secuencia semanal sugerida

Semanas 1–3: funciones, colecciones, archivos, excepciones y entorno Python reproducible. 4–7: vectores, productos, proyecciones y mínimos cuadrados con MIT y apoyo visual. 8–10: probabilidad condicional, esperanza y derivadas conectadas a regresión. Programe mientras estudia matemáticas.

X∈ℝⁿˣᵈ, w∈ℝᵈ, y∈ℝⁿ; n>0. El gradiente tiene la forma de w. La primera columna constante incorpora el sesgo.

Recursos oficiales de esta etapa

Etapa 1 · Aprender de los datos, sin filtraciones

CS229 proporciona la estructura matemática; las clases públicas de 2018 son una entrada estable. Parte del material actual puede estar restringida: fije una edición. La especialización de Andrew Ng puede servir como puente opcional y CS4780 como explicación alternativa; ninguna sustituye las derivaciones y una implementación propia.

El aprendizaje supervisado estima una relación con etiquetas; el no supervisado busca estructura sin ellas. Regresión lineal predice valores reales, regresión logística probabilidades binarias y k-means alterna asignaciones y centroides. Explique el objetivo antes de elegir el algoritmo. La distancia euclídea depende de la escala: una unidad numérica grande puede dominar el resultado.

Caso conductor: priorizar tickets de incidentes usando datos públicos o sintéticos. Separe por tiempo o cliente antes de ajustar el preprocesamiento. Duplicados entre entrenamiento y prueba pueden producir una puntuación engañosa. La exactitud oculta casos urgentes raros; omitir una urgencia y pedir una revisión innecesaria tienen costes distintos.

La regularización equilibra ajuste y estabilidad. Ridge añade λ‖w‖²/2 y, por tanto, λw al gradiente. Más λ no siempre ayuda: selecciónelo con entrenamiento/validación y conserve la prueba final intacta. Mantenga una referencia constante o lineal y guarde preprocesamiento, particiones y modelo juntos.

Entender el mecanismo

Un estimador obtiene parámetros de datos; un predictor los aplica a entradas nuevas. La pérdida de entrenamiento y la generalización no son equivalentes. Error de optimización, error de estimación y cambio de distribución son problemas diferentes; más pasos de entrenamiento solo pueden resolver algunos. Identifique el problema antes de ajustar hiperparámetros.

Una decisión y un cálculo concretos

La regresión logística produce , Si omitir una urgencia cuesta 20 y una revisión innecesaria 1, alertar cuesta en esperanza 1−p y no alertar 20p. Con probabilidades calibradas y estos costes simplificados, el umbral es p>1/21≈0.0476, no necesariamente 0.5. Costes reales y calibración requieren evidencia aparte.

Secuencia semanal sugerida

Semanas 11–13: regresión, máxima verosimilitud y gradientes. 14–16: regularización, validación, escala y k-means. 17–18: proyecto de referencia en datos con licencia. Después de CS229, cierre los apuntes, derive un objetivo e impleméntelo; use Cornell solo para lagunas concretas.

λ≥0 controla la penalización; su escala depende de la normalización y la convención de pérdida.

Recursos oficiales de esta etapa

Etapa 2 · Redes neuronales y representación visual

Comience Zero to Hero con micrograd y la acumulación inversa de derivadas. Aprenda después por qué las matrices por lotes son eficientes y cómo el broadcasting puede dar un gradiente incorrecto sin error de ejecución. CS231n añade pérdidas, optimización, convoluciones y práctica; Michigan es una alternativa, no otra obligación completa.

La capa oculta aprende representaciones. Sin no linealidad, apilar transformaciones lineales sigue siendo lineal y no resuelve XOR. Retropropagación calcula derivadas; Adam o SGD actualizan parámetros. Pérdida de entrenamiento baja no demuestra generalización. La augmentación modifica la distribución y debe preservar el significado de la etiqueta.

Una convolución comparte filtros locales; un ViT relaciona parches mediante atención. Sus supuestos y costes difieren. En un primer proyecto pequeño, compare un codificador preentrenado congelado y su ajuste fino con la misma partición. Entrenar un ViT desde cero suele ser innecesariamente costoso. Registre licencia, resolución, parámetros entrenables y hardware.

Después elija optativas: fast.ai para una entrada práctica de arriba abajo, MIT 6.S191 para una visión compacta y CS230 para otra perspectiva de entrenamiento. CS236 amplía modelado probabilístico; MIT 6.S184 desarrolla flujo y difusión con ODE/SDE. No incluya todas las ramas en nueve semanas.

Entender el mecanismo

La diferenciación automática combina reglas locales en un grafo. Si un valor alimenta dos operaciones, su gradiente suma ambas rutas. Reiniciar y acumular gradientes son distintos. Un paso hace forward, pérdida, reinicio, backward y actualización. Evaluar también cambia dropout y normalización y evita registrar grafos innecesarios; no consiste solo en quitar la actualización.

Una decisión y un cálculo concretos

Una capa de 32 entradas y 64 unidades tiene 32×64+64=2,112 parámetros; una salida de 10 clases añade 650, total 2,762. La memoria también incluye activaciones, gradientes y estado del optimizador. Adam suele guardar dos momentos por parámetro entrenado; bytes exactos dependen de dtype, pesos maestros e implementación. Haga ese inventario antes de alquilar más GPU.

Secuencia semanal sugerida

Semanas 19–21: micrograd y redes pequeñas. 22–24: vectorización, inicialización, optimizadores y convoluciones. 25–27: tareas de visión y comparación congelación/ajuste. Mantenga generación como optativa y diagnostique datos/gradientes antes de cambiar arquitectura.

X:[n,d], W₁:[d,h], b₁:[h], W₂:[h,c], b₂:[c]; estados [n,h], salidas [n,c]. σ es no lineal elemento a elemento y el sesgo se difunde por filas.

Recursos oficiales de esta etapa

Etapa 3 · Del texto a un modelo de lenguaje entrenado

CS224N conecta tareas lingüísticas, embeddings, secuencias y atención. Use las grabaciones oficiales públicas de 2024 y compruebe su correspondencia con materiales. Un embedding convierte un ID en un vector aprendido; proximidad estadística no implica verdad, autorización ni procedencia.

El tokenizador convierte texto o bytes en IDs. BPE aprende fusiones frecuentes y cambia longitudes y vocabulario. Un Transformer decodificador predice el siguiente token con máscara causal. Q,K de forma [T,dₖ] producen QKᵀ de forma [T,T]; atención normalizada por V de forma [T,dᵥ] devuelve [T,dᵥ]. La máscara excluye posiciones futuras.

La entropía cruzada promedia el logaritmo negativo de la probabilidad del token correcto; 0.25 aporta aproximadamente 1.386 nats. Compare pérdidas solo con tokenización, datos y agregación compatibles. La predicción lingüística no certifica veracidad ni uso seguro de herramientas. Máscaras de padding, desplazamiento de etiquetas y contaminación importan matemáticamente.

El objetivo principal es la tarea 1 de CS336: tokenizador, modelo, optimizador y entrenamiento en un corpus pequeño. El curso completo exige Python/PyTorch y sistemas sólidos; no cabe entero en esta etapa para todos. Comience con una muestra diminuta, guarde configuración y checkpoints y amplíe solo tras verificar corrección. Tokens, contexto y batch determinan memoria y presupuesto.

CME295 ofrece panorama arquitectónico y distingue ediciones 2025/2026. Hugging Face aporta práctica de ecosistema. CS25 es un seminario de investigación; CMU avanzado ayuda cuando ya existe una pregunta concreta. Distinga preentrenamiento, ajuste supervisado, recuperación e inferencia: cambian pesos, contexto o ejecución de formas distintas.

Entender el mecanismo

De IDs [4,7,9,2] se obtienen entradas [4,7,9] y objetivos [7,9,2]. Con batch B, longitud T y vocabulario V, logits es [B,T,V]. La entropía cruzada selecciona objetivos y promedia posiciones válidas. Un reshape legal puede alinear mal etiquetas. Aprender fusiones BPE y aprender pesos del Transformer son procesos separados.

Una decisión y un cálculo concretos

Con , y ,024 hay 524,288 logits: 2 MiB en float32, sin activaciones ni gradientes. Para 100,000 tokens y 512 válidos por paso, una pasada requiere aproximadamente 196 pasos conservando el último lote parcial. Es contabilidad sintética, no prueba de utilidad. Padding, packing, descarte y remuestreo cambian los números.

Secuencia semanal sugerida

Semanas 28–30: lenguaje, embeddings y causalidad. 31–33: bytes, BPE y un bloque decoder. 34–36: entrenamiento pequeño, checkpoint y generación con la tarea 1 de CS336. 37–38: comportamiento reservado y fichas de modelo/datos. Después elija sistemas, multilingüismo, RAG o postentrenamiento.

Softmax por filas; ∞ si j>i, y 0 en otro caso. T es longitud, dₖ anchura de claves, dᵥ de valores. Una cabeza; varias se concatenan antes de una proyección aprendida.

Recursos oficiales de esta etapa

Etapa 4 · Aprender mediante decisiones y recompensas

RL estudia acciones con efectos posteriores. Un MDP incluye estado suficiente para la transición, acciones, recompensas escalares y descuento γ. Para predecir etiquetas fijas, el aprendizaje supervisado suele ser más sencillo. Una llamada a una herramienta no constituye por sí misma aprendizaje por refuerzo.

CS234 construye valores, Bellman y evaluación de políticas; Sutton–Barto y David Silver ayudan a entenderlos. Seleccione después CS285 sobre aproximación, gradientes de política y actor–critic. DQN usa replay y redes objetivo para estabilizar valores de acciones discretas. PPO limita actualizaciones mediante un objetivo recortado; no ofrece una garantía universal de seguridad.

El objetivo r+γ maxₐ Q(s′,a) usa una estimación futura. Con , γ y valores [2,4], da 4.6. En un estado realmente terminal, el futuro vale cero. Un truncamiento por tiempo no siempre es terminal en el problema original; confundirlos introduce sesgo. Escala de recompensa, duración y exploración afectan las curvas.

El postentrenamiento de LLM es una rama posterior. CS224R y CS329H conectan políticas y preferencias; no prometemos vídeos públicos de CS329H. GRPO requiere recompensas válidas, grupos de muestras, control KL y tareas reservadas; una mejora puede explotar la recompensa. Spinning Up sigue siendo didáctico, pero su código antiguo puede requerir adaptar dependencias para Gymnasium.

Entender el mecanismo

Una política elige acciones y un valor estima retorno; el entorno produce observaciones y recompensas. On-policy usa datos de la política actualizada; off-policy reutiliza otros comportamientos gestionando el desajuste. Replay no es una mejora universal sin supuestos. Con observación parcial, la observación actual puede no ser un estado suficiente.

Una decisión y un cálculo concretos

Recompensas [1,0,2] con γ dan 1+0.9×0+0.9²×2=2.62. Cambiar γ cambia el objetivo. Premiar cerrar tickets puede incentivar cierres prematuros; premiar resoluciones verificadas es más pertinente, pero retrasado y costoso. Una curva convincente necesita un entorno y una recompensa bien definidos.

Secuencia semanal sugerida

Semanas 39–41: MDP, Bellman y métodos tabulares. 42–44: aproximación, DQN y gradientes de política. 45–46: comparación acotada DQN/PPO y análisis de fallos. Antes de LLM-RL, explique el origen del premio, la política de las trayectorias y el presupuesto de interacciones.

solo al terminar realmente; γ∈[0,1). Q y objetivo usan unidades de recompensa descontada. Es un objetivo tipo DQN, no PPO.

Recursos oficiales de esta etapa

Etapa 5 · Un agente acotado y observable

Un agente selecciona acciones repetidamente a partir de observaciones y un objetivo. Un workflow fija el orden; un agente delega algunas elecciones al modelo. Empiece con autonomía mínima: recuperar runbooks públicos, citar evidencia y proponer un comando sin modificar producción.

CS329Z enseña componentes antes de abstracciones. El 14 de noviembre de 2026 su calendario enlaza vídeos de las primeras cinco sesiones; no toda la asignatura. Sus dos tareas cubren harness y evaluación. Use instrucciones y costes del repositorio oficial, no una promesa fija de gasto API tomada de redes sociales.

Berkeley Fall 2024 ofrece el panorama; Spring 2025 profundiza en razonamiento y tareas verificables; Fall 2025 Agentic AI añade perspectivas de sistemas. Son archivos: sus antiguos plazos de certificados no son convocatorias actuales. Seleccione charlas según carencias del proyecto. Hugging Face es práctico; CS329A y CS222 amplían investigación y lectura.

Un harness mantiene mensajes, esquemas, parsing, autorización, ejecución, normalización y parada. El modelo propone; código confiable valida herramienta, argumentos y permiso actual. La salida de una herramienta es dato no confiable, no instrucción del sistema. Defina persistencia, idempotencia, timeout y aprobación humana antes de acciones irreversibles. Pedir prudencia en el prompt no impone permisos.

Limite pasos, tiempo y tokens. Ocho llamadas de hasta 2,000 tokens de entrada y 300 de salida suman como máximo 18,400, sin reintentos ni llamadas auxiliares, que necesitan presupuesto propio. Un stub local permite probar control sin pagar un modelo. Aun así, ejecutar correctamente una herramienta no demuestra lograr el objetivo del usuario.

Entender el mecanismo

Separe adaptador de modelo, harness y ejecutor. Registre eventos tipados model_proposal, tool_denied, tool_started y tool_result. Una máquina de estados puede pasar ready→proposed→authorized→executing→observed con salidas denied, timed_out y stopped. Una excepción no debe convertirse en éxito. Reproducir un registro no autoriza repetir efectos externos.

Una decisión y un cálculo concretos

Empiece con search_runbooks(query), get_service_metrics(service,window) y fetch_recent_changes(service), todos de lectura. Valide el servicio contra el ámbito permitido al usuario. Distinga métricas observadas, recomendaciones recuperadas e inferencias. Ante timeout, indique evidencia incompleta; no invente valores sanos. restart_service requiere otra decisión de permisos y aprobación.

Secuencia semanal sugerida

Semanas 47–48: recuperación determinista y adaptador falso. 49–50: herramientas acotadas, estado persistente, rechazo y timeout con componentes de CS329Z. 51–52: tareas reservadas, trazas y demostración reproducible. Berkeley responde a dudas concretas. Seis semanas no prometen todas las tareas oficiales completas.

Cota sintética de tokens de entrada/salida. Cada llamada debe respetar su límite; excluye reintentos, jueces y embeddings.

Recursos oficiales de esta etapa

Elegir una especialización

Ingeniería de aplicaciones: priorice inferencia, fiabilidad, recuperación, seguridad y observabilidad. Investigación: profundice en probabilidad, optimización y experimentos controlados. Robótica: añada estimación, control, dinámica y transferencia simulación-real; esta ruta no equivale a formación completa en robótica.

Un portfolio coherente contiene una referencia clásica, un modelo visual, un pequeño LM, un informe RL y un agente acotado. Explique entradas, aprendizaje, ejecución, medición e incógnitas. Completar cursos no garantiza experiencia ni empleo; la evidencia es mejor indicador que el porcentaje de vídeos vistos.

Práctica, proyectos y evidencias

La verificación práctica se reúne aquí, después de los conceptos. Son ejercicios originales, no soluciones oficiales. Fije la edición y respete el código de honor. Ejecute tareas externas en su entorno, sin subir tickets privados ni credenciales.

Fundamentos

Evidencia del proyecto. Construya CSV→características y reproduzca el ejemplo de regresión. Incluya comando desde entorno limpio, comprobación de formas y gradiente por diferencias finitas.

Fallo / comparación justa. Desordene objetivos sin características: explique por qué formas válidas no garantizan datos correctos.

Orden de implementación

  1. Cree src/, tests/, data/ y README; registre Python y paquetes en un entorno virtual. Preserve IDs al cargar CSV e implemente ejemplos antes de estimadores de biblioteca.
  2. Documente un comando desde checkout limpio. Cambie una entrada, prediga el efecto y explique cualquier discrepancia, no solo haga pasar pruebas.

ML clásico

Evidencia del proyecto. Implemente regresión lineal/logística y k-means con NumPy. En datos públicos con licencia, incluya referencia constante, partición temporal/por entidad, transformaciones ajustadas solo al entrenamiento y prueba final intacta.

Fallo / comparación justa. Compare regularización con la misma partición; examine recall minoritario y filtraciones sin elegir reiteradamente por prueba.

Orden de implementación

  1. Defina decisión, etiquetas y particiones antes de mirar resultados. Separe fit/transform y añada referencias constante, regresión y clustering; k-means no necesita etiquetas de clase.
  2. Fije roles train/validation/test. Registre experimentos, seleccione con validación y evalúe test al final. Incluya un grupo raro o periodo posterior.

Redes

Evidencia del proyecto. Complete tareas seleccionadas de CS231n o Michigan y compare codificador congelado y ajuste fino. Registre semilla, checkpoint, transformaciones, tasa y hardware.

Fallo / comparación justa. Sobreajuste primero una muestra diminuta para depurar; revise etiquetas y use transformaciones de validación deterministas.

Orden de implementación

  1. Separe loader, modelo, pérdida, optimizador y entrenamiento. Registre tasa, pérdidas y normas de gradiente; guarde un batch conocido.
  2. Entrene una red pequeña antes de usar un checkpoint licenciado. Compare congelación/ajuste con particiones y recursos comparables; atribuya ventajas de datos preentrenados correctamente.

Lenguaje

Evidencia del proyecto. Complete el alcance de la tarea 1 de CS336: reglas del tokenizador, configuración, hashes, estado del optimizador, muestreo, curva y formas.

Fallo / comparación justa. Compruebe ida/vuelta del tokenizador, causalidad y recarga; compare con unigramas en datos reservados, sin comparar perplejidades de tokenizadores incompatibles.

Orden de implementación

  1. Implemente encode/decode, pares desplazados, embeddings, atención causal, bloques feed-forward, proyección, pérdida, optimizador y muestreo.
  2. Para continuación exacta guarde modelo, optimizador, scheduler, paso, configuración y RNG. Compare reanudación con entrenamiento continuo bajo determinismo; registre hashes y límites restantes.

RL

Evidencia del proyecto. Implemente DQN y PPO en pequeños entornos Gymnasium. Reporte varias semillas, versión, pasos, política de evaluación y distribución de resultados.

Fallo / comparación justa. Distinga terminal/truncated; iguale interacciones y reporte diferencias de cómputo. Incluya fallos y diagnóstico.

Orden de implementación

  1. Use tareas pequeñas apropiadas para DQN discreto y PPO. Explicite wrappers, límites y transformaciones; separe exploración y evaluación.
  2. Fije semillas y presupuestos antes. Grafique pasos y tiempo por separado. Introduzca y diagnostique un error de recompensa o terminación, restáurelo y documente.

Agentes

Evidencia del proyecto. Siga HW1/HW2 de CS329Z y cree un asistente local de incidentes de solo lectura: modelo guionizado, trazas, allowlist, estado persistente y parada.

Fallo / comparación justa. Inyecte resultados malformados, prompt injection, timeout y duplicados. Separe pruebas deterministas de calidad y use tareas reservadas; un juez no calibrado no es verdad absoluta.

Orden de implementación

  1. Implemente adaptador y tres herramientas de lectura, schema, permisos actuales, límites, trazas y eventos persistentes. Primero use modelo guionizado.
  2. Después integre un modelo local real. Separe resultado, apoyo documental, denegaciones, latencia y recursos. Entregue repositorio, instrucciones, trazas y límites sin credenciales.

El archivo para Python 3.11+ usa solo la biblioteca estándar, sin red, aleatoriedad ni API. Reproduce los ejemplos y verifica un gradiente con diferencias centrales. Es un ejercicio inicial, no los seis proyectos completos; para estos consulte los repositorios y tutoriales desde cero.

Descargar código
python3 roadmap-foundations.py
"""Python 3.11+, standard library only; deterministic synthetic examples."""
import math

X = [[1.0, 0.0], [1.0, 1.0]]
y = [1.0, 3.0]
w = [0.0, 0.0]


def loss(weights):
    errors = [sum(a * b for a, b in zip(row, weights)) - target
              for row, target in zip(X, y)]
    return sum(e * e for e in errors) / (2 * len(y))


def gradient(weights):
    errors = [sum(a * b for a, b in zip(row, weights)) - target
              for row, target in zip(X, y)]
    return [sum(row[j] * e for row, e in zip(X, errors)) / len(y)
            for j in range(len(weights))]


def softmax(logits):
    if not logits or not all(math.isfinite(v) for v in logits):
        raise ValueError("finite, nonempty logits required")
    maximum = max(logits)
    values = [math.exp(v - maximum) for v in logits]
    return [v / sum(values) for v in values]


def td_target(reward, gamma, next_values, terminated):
    return reward if terminated else reward + gamma * max(next_values)


g = gradient(w)
eps = 1e-6
for j, analytic in enumerate(g):
    plus, minus = w.copy(), w.copy()
    plus[j] += eps
    minus[j] -= eps
    numeric = (loss(plus) - loss(minus)) / (2 * eps)
    assert math.isclose(analytic, numeric, abs_tol=1e-8)
updated = [a - 0.1 * b for a, b in zip(w, g)]
assert loss(updated) < loss(w)
p = softmax([1000.0, 1000.0])
assert p == [0.5, 0.5]
assert math.isclose(sum(softmax([1.0, 2.0, 3.0])), 1.0)
try:
    softmax([])
except ValueError:
    pass
else:
    raise AssertionError("empty inputs must fail")
assert td_target(1, 0.9, [2, 4], True) == 1
assert math.isclose(td_target(1, 0.9, [2, 4], False), 4.6)
print(f"gradient={g}")
print(f"weights={[round(v, 2) for v in updated]}")
print(f"loss={loss(updated):.6f}")
print(f"cross_entropy={-math.log(0.25):.6f}")
print(f"td_target={td_target(1, 0.9, [2, 4], False):.1f}")


# Additional synthetic decision/resource examples in the expanded tutorial.
base_rate, sensitivity, false_positive_rate = 0.01, 0.90, 0.05
true_alerts = 10_000 * base_rate * sensitivity
false_alerts = 10_000 * (1 - base_rate) * false_positive_rate
precision = true_alerts / (true_alerts + false_alerts)
assert true_alerts == 90 and false_alerts == 495
assert math.isclose(precision, 90 / 585)
miss_cost, false_alert_cost = 20, 1
threshold = false_alert_cost / (miss_cost + false_alert_cost)
assert math.isclose(threshold, 1 / 21)
for probability in (0.01, 0.05, 0.9):
    flag = probability > threshold
    assert flag == ((1 - probability) * false_alert_cost < probability * miss_cost)
assert 32 * 64 + 64 + 64 * 10 + 10 == 2762
assert 4 * 128 * 1024 * 4 == 2 * 1024**2
assert math.ceil(100_000 / (4 * 128)) == 196
assert math.isclose(sum(0.9**i * reward for i, reward in enumerate([1, 0, 2])), 2.62)
print("checks=passed")

Salida prevista: -2.0, -1.5]; , 0.15]; ; cross_; td_; Son resultados sintéticos deterministas, no un benchmark.

Preguntas originales y puntuación

¿Por qué una puntuación alta no basta?

Pista

Revise particiones y preprocesamiento.

Respuesta y análisis

Duplicados, información futura o ajuste repetido a prueba invalidan la evidencia. Separe por entidad/tiempo, ajuste transformaciones solo al entrenamiento y reporte referencia e incertidumbre.

¿Cómo puede el entrenamiento paralelo ser autorregresivo?

Pista

Distinga cálculo paralelo de flujo de información.

Respuesta y análisis

La máscara causal excluye el futuro y las etiquetas se desplazan. Cambiar entradas futuras no debe alterar salidas anteriores en evaluación, salvo tolerancia numérica.

¿Necesita RL un agente?

Pista

Separe selección de acciones y actualización de políticas.

Respuesta y análisis

No: un modelo preentrenado con harness acotado puede elegir herramientas sin actualizar pesos. RL añade exigencias de recompensa y evaluación.

¿Cuándo añadir un framework?

Pista

Identifique el mecanismo repetitivo que reemplaza.

Respuesta y análisis

Después de comprender transiciones, parsing, ejecución y errores. Reducir código repetido no demuestra permisos, durabilidad ni éxito.

Puntuación 1–5: 1 repite términos; 2 explica mecanismos y supuestos; 3 reproduce referencia y cálculos; 4 diagnostica fallos y compara alternativas con presupuesto equivalente; 5 defiende decisiones, incertidumbre, límites y transferencia. Exija al menos 3 en corrección, reproducibilidad y explicación antes de avanzar.

Cómo avanzar cuando aparece una dificultad

Reduzca una fórmula a un escalar o dos filas; aísle una función para inspeccionar formas y estado; vuelva a una referencia pequeña si el entrenamiento falla; separe afirmación, supuestos, evidencia y límites de un artículo.

Use IA como tutor: pida pistas, contraejemplos o revisión antes de una solución completa. Cierre la respuesta y reconstruya el código. Explique componentes prestados, licencias y pruebas: que el código generado funcione no demuestra que pueda mantenerlo.

Predecir, comprobar y conservar evidencia

Antes de revelar la respuesta, predice un resultado. Después registra diferencias y una prueba de transferencia. Se guarda localmente y se comparte entre idiomas.

Abrir cuaderno / exportar / borrar →

El alcance de revisión matemática se registra por lección. No certifica reproducción empírica del artículo; anota posibles errores. Alcance de revisión

Cursos oficiales, vídeos y lecturas

Enlaces a proveedores originales, no garantía de gratuidad de cada clase, tarea, certificado o recurso. Si no se verificó una lista estable, use los vídeos del programa oficial. Ediciones y dependencias pueden diferir. Revisión: 14 de noviembre de 2026.

Etapa 0 · Python y lenguaje matemático

Etapa 1 · Aprender de los datos, sin filtraciones

Etapa 2 · Redes neuronales y representación visual

Etapa 3 · Del texto a un modelo de lenguaje entrenado

Etapa 4 · Aprender mediante decisiones y recompensas

Etapa 5 · Un agente acotado y observable

Continuar con una implementación completa

Tu siguiente paso

Lee una versión concreta, reproduce un mecanismo y un control negativo; declara los límites.

Implementar y verificar → · Continuar la ruta →