https://abxda.com/academy/es/ Cursos gratuitos para entender la tecnología de verdad. es-mx CC BY-NC 4.0 · Abel Coronado academy@abxda.com (abxda academy) Sat, 17 Oct 2026 12:00:00 GMT https://abxda.com/academy/es/ia-generativa/lecciones/programar-vs-aprender/ https://abxda.com/academy/es/ia-generativa/lecciones/programar-vs-aprender/ Sun, 04 Oct 2026 12:00:00 GMT Aprender de los datos ¿Qué cambia cuando una máquina aprende en lugar de seguir reglas? Programar es escribir reglas: reglas + datos → respuestas. Aprender invierte el flujo: datos + respuestas → reglas. (12 min) https://abxda.com/academy/es/ia-generativa/lecciones/el-mundo-hecho-de-numeros/ https://abxda.com/academy/es/ia-generativa/lecciones/el-mundo-hecho-de-numeros/ Sun, 04 Oct 2026 12:00:00 GMT Aprender de los datos ¿Cómo ve una máquina una imagen, un sonido o un texto? Un modelo solo recibe números. Una imagen en grises es una tabla de brillos de 0 (negro) a 255 (blanco); en color son tres tablas, una por canal (rojo, verde, azul). (10 min) https://abxda.com/academy/es/ia-generativa/lecciones/un-modelo-y-su-error/ https://abxda.com/academy/es/ia-generativa/lecciones/un-modelo-y-su-error/ Sun, 04 Oct 2026 12:00:00 GMT Aprender de los datos ¿Cómo se mide qué tan equivocado está un modelo? Una recta sube (o baja) a ritmo constante. Su peso w, la pendiente, es cuánto sube la predicción por cada unidad de la entrada; su sesgo b es la altura cuando la entrada vale cero. La predicción es w·x + b. (11 min) https://abxda.com/academy/es/ia-generativa/lecciones/descenso-del-gradiente/ https://abxda.com/academy/es/ia-generativa/lecciones/descenso-del-gradiente/ Sun, 04 Oct 2026 12:00:00 GMT Aprender de los datos ¿Cómo encuentra una máquina los números correctos sin que nadie se los diga? Entrenar es buscar el peso que deja el error más bajo. La máquina no ve la curva completa: solo conoce el error y la pendiente donde está. (11 min) https://abxda.com/academy/es/ia-generativa/lecciones/la-neurona-artificial/ https://abxda.com/academy/es/ia-generativa/lecciones/la-neurona-artificial/ Sun, 04 Oct 2026 12:00:00 GMT Redes neuronales ¿Qué hace exactamente una neurona artificial? Una neurona artificial calcula y = f(w₁x₁ + w₂x₂ + b): multiplica cada entrada por su peso, suma, añade el sesgo y aplica una función de activación. (11 min) https://abxda.com/academy/es/ia-generativa/lecciones/lo-que-una-neurona-no-puede/ https://abxda.com/academy/es/ia-generativa/lecciones/lo-que-una-neurona-no-puede/ Sun, 04 Oct 2026 12:00:00 GMT Redes neuronales ¿Por qué una sola neurona no basta? Una neurona separa el plano con una recta: solo resuelve problemas linealmente separables. (6 min) https://abxda.com/academy/es/ia-generativa/lecciones/capas-y-activaciones/ https://abxda.com/academy/es/ia-generativa/lecciones/capas-y-activaciones/ Sun, 04 Oct 2026 12:00:00 GMT Redes neuronales ¿Cómo ganan poder las redes al apilar capas? Una capa es un grupo de neuronas que miran las mismas entradas; el pase hacia delante calcula capa por capa, de la entrada a la salida. (10 min) https://abxda.com/academy/es/ia-generativa/lecciones/retropropagacion/ https://abxda.com/academy/es/ia-generativa/lecciones/retropropagacion/ Sun, 04 Oct 2026 12:00:00 GMT Redes neuronales ¿Cómo se reparte la culpa del error entre miles de pesos? El error final de una red se reparte entre miles de pesos escondidos en capas. Saber cuánta culpa tiene cada uno es el problema de la asignación de crédito. (9 min) https://abxda.com/academy/es/ia-generativa/lecciones/entrenar-bien/ https://abxda.com/academy/es/ia-generativa/lecciones/entrenar-bien/ Sun, 04 Oct 2026 12:00:00 GMT Redes neuronales ¿Qué decisiones de entrenamiento separan una red que aprende de una que no? El optimizador convierte la pendiente en un paso. SGD la usa tal cual; el momento suma inercia; Adam además da a cada peso su propio tamaño de paso. Cada uno pide su propia tasa. (12 min) https://abxda.com/academy/es/ia-generativa/lecciones/generalizar-y-evaluar/ https://abxda.com/academy/es/ia-generativa/lecciones/generalizar-y-evaluar/ Sun, 04 Oct 2026 12:00:00 GMT Redes neuronales ¿Cómo sabes si un modelo funciona de verdad? Bajar el error de entrenamiento no basta: lo que importa es el error con datos que el modelo no vio. (9 min) https://abxda.com/academy/es/ia-generativa/lecciones/convoluciones-y-vision/ https://abxda.com/academy/es/ia-generativa/lecciones/convoluciones-y-vision/ Sun, 04 Oct 2026 12:00:00 GMT Deep learning ¿Cómo aprende una red a ver bordes, formas y objetos? Conectar cada píxel con cada neurona no escala: una imagen pequeña ya exige millones de pesos. (6 min) https://abxda.com/academy/es/ia-generativa/lecciones/secuencias-y-memoria/ https://abxda.com/academy/es/ia-generativa/lecciones/secuencias-y-memoria/ Sun, 04 Oct 2026 12:00:00 GMT Deep learning ¿Cómo procesa una red algo que ocurre en orden, como una frase? Una secuencia es un dato cuyo orden importa y cuyo largo varía. Una red recurrente la lee paso a paso con la misma celda y pasa de un paso al siguiente un estado oculto: su memoria. (10 min) https://abxda.com/academy/es/ia-generativa/lecciones/el-big-bang-del-deep-learning/ https://abxda.com/academy/es/ia-generativa/lecciones/el-big-bang-del-deep-learning/ Sun, 04 Oct 2026 12:00:00 GMT Deep learning ¿Por qué funcionó en 2012 lo que no funcionaba en 1990? El despegue del deep learning no vino de una idea nueva, sino de tres ingredientes que coincidieron: datos masivos, cómputo y trucos de entrenamiento. (10 min) https://abxda.com/academy/es/ia-generativa/lecciones/embeddings-significado-como-geometria/ https://abxda.com/academy/es/ia-generativa/lecciones/embeddings-significado-como-geometria/ Sun, 04 Oct 2026 12:00:00 GMT Deep learning ¿Cómo convierte una máquina el significado en distancias? Un embedding es un vector denso y aprendido: una fila de una tabla que se ajusta con los datos, en lugar de una casilla fija por palabra. (11 min) https://abxda.com/academy/es/ia-generativa/lecciones/generar-es-aprender-una-distribucion/ https://abxda.com/academy/es/ia-generativa/lecciones/generar-es-aprender-una-distribucion/ Mon, 12 Oct 2026 12:00:00 GMT Generar imágenes ¿Qué significa que una red "genere" algo nuevo? Clasificar es trazar una frontera entre grupos. Generar pide más: conocer la distribución de los datos, dónde se apiñan y hasta dónde llegan, para sacar muestras nuevas. (10 min) https://abxda.com/academy/es/ia-generativa/lecciones/redes-generativas-adversarias/ https://abxda.com/academy/es/ia-generativa/lecciones/redes-generativas-adversarias/ Sun, 11 Oct 2026 12:00:00 GMT Generar imágenes ¿Cómo aprende un generador compitiendo contra un crítico? Una GAN son dos redes que compiten: el generador convierte un número sorteado en un dato falso; el discriminador estima qué tan probable es que un dato sea real. (11 min) https://abxda.com/academy/es/ia-generativa/lecciones/modelos-de-difusion/ https://abxda.com/academy/es/ia-generativa/lecciones/modelos-de-difusion/ Mon, 12 Oct 2026 12:00:00 GMT Generar imágenes ¿Cómo se crea una imagen quitando ruido paso a paso? El proceso hacia delante mezcla una imagen con ruido, paso a paso, según un calendario fijo, hasta que solo queda estática. No aprende nada, y al final toda imagen termina en la misma clase de estática, fácil de fabricar. (12 min) https://abxda.com/academy/es/ia-generativa/lecciones/de-texto-a-imagen/ https://abxda.com/academy/es/ia-generativa/lecciones/de-texto-a-imagen/ Sun, 11 Oct 2026 12:00:00 GMT Generar imágenes ¿Cómo entiende el modelo lo que le pides con palabras? CLIP entrena juntos un codificador de imágenes y uno de texto. Ambos entregan vectores del mismo tamaño, que se comparan con la similitud coseno. (13 min) https://abxda.com/academy/es/ia-generativa/lecciones/predecir-la-siguiente-palabra/ https://abxda.com/academy/es/ia-generativa/lecciones/predecir-la-siguiente-palabra/ Sun, 11 Oct 2026 12:00:00 GMT Transformers y lenguaje ¿Cómo puede escribir un ensayo algo que solo predice palabras? Un modelo de lenguaje da, para un contexto, una probabilidad a cada palabra (o pieza) que puede seguir. (11 min) https://abxda.com/academy/es/ia-generativa/lecciones/tokens/ https://abxda.com/academy/es/ia-generativa/lecciones/tokens/ Sun, 11 Oct 2026 12:00:00 GMT Transformers y lenguaje ¿Qué lee realmente un modelo de lenguaje, y por qué importa? Un modelo de lenguaje no lee letras ni palabras: un tokenizador corta el texto en tokens, piezas de un vocabulario fijo, y al modelo solo le llega el número de cada pieza. (11 min) https://abxda.com/academy/es/ia-generativa/lecciones/atencion/ https://abxda.com/academy/es/ia-generativa/lecciones/atencion/ Mon, 12 Oct 2026 12:00:00 GMT Transformers y lenguaje ¿Cómo decide una palabra a cuáles otras mirar? Una palabra puede significar cosas distintas («banco»), pero entra al modelo con un solo vector. Para entenderla hay que mirar las demás: eso hace la atención. (12 min) https://abxda.com/academy/es/ia-generativa/lecciones/el-transformer/ https://abxda.com/academy/es/ia-generativa/lecciones/el-transformer/ Mon, 12 Oct 2026 12:00:00 GMT Transformers y lenguaje ¿Qué hay dentro de un LLM, bloque por bloque? Un transformer recorre siempre el mismo camino: tokens, números, embeddings más posición, una pila de bloques y, con la lista del último token, doce puntajes (uno por palabra) que softmax vuelve probabilidades. (12 min) https://abxda.com/academy/es/ia-generativa/lecciones/preentrenamiento/ https://abxda.com/academy/es/ia-generativa/lecciones/preentrenamiento/ Mon, 12 Oct 2026 12:00:00 GMT Escala ¿Qué aprende un modelo al leer medio internet? Calidad antes que cantidad: GPT-3 repasó casi tres veces y media su Wikipedia y menos de media vez su web filtrada. Y lo que casi no está en el corpus casi no se aprende: Pythia, entrenado sobre todo con inglés, nunca contesta «París» en español. (13 min) https://abxda.com/academy/es/ia-generativa/lecciones/leyes-de-escala-y-costos/ https://abxda.com/academy/es/ia-generativa/lecciones/leyes-de-escala-y-costos/ Mon, 12 Oct 2026 12:00:00 GMT Escala ¿Cuánto cuesta un modelo y qué se obtiene al hacerlo más grande? Escalar un modelo es girar tres perillas: más parámetros (N), más tokens de entrenamiento (D) y más cómputo (C). (13 min) https://abxda.com/academy/es/ia-generativa/lecciones/gpus-memoria-y-cuantizacion/ https://abxda.com/academy/es/ia-generativa/lecciones/gpus-memoria-y-cuantizacion/ Tue, 13 Oct 2026 12:00:00 GMT Escala ¿Por qué la memoria de la GPU manda sobre todo lo demás? Un modelo trabaja desde la memoria de la GPU, la VRAM. Ocupa parámetros × bytes por parámetro: 70 mil millones en FP16 son 140 GB, más que los 80 de una H100. (13 min) https://abxda.com/academy/es/ia-generativa/lecciones/inferencia-como-responde-un-modelo/ https://abxda.com/academy/es/ia-generativa/lecciones/inferencia-como-responde-un-modelo/ Mon, 12 Oct 2026 12:00:00 GMT Escala ¿Qué pasa, y cuánto cuesta, entre que escribes y que aparece la respuesta? Una respuesta tiene dos fases. El llenado (prefill) procesa todo tu mensaje de una vez y fija la espera hasta el primer token; la decodificación (decode) escribe un token por vuelta y fija cuánto tarda el resto. (13 min) https://abxda.com/academy/es/ia-generativa/lecciones/ajuste-fino-y-lora/ https://abxda.com/academy/es/ia-generativa/lecciones/ajuste-fino-y-lora/ Mon, 12 Oct 2026 12:00:00 GMT Del modelo al asistente ¿Cuándo conviene adaptar un modelo y cómo se hace barato? El ajuste fino sigue entrenando un modelo ya entrenado con pares de entrada y respuesta deseada: es el mismo bucle de la lección 8 (responder, medir el error, retropropagar, ajustar), con muchos menos datos. (11 min) https://abxda.com/academy/es/ia-generativa/lecciones/alineacion-de-asistentes/ https://abxda.com/academy/es/ia-generativa/lecciones/alineacion-de-asistentes/ Mon, 12 Oct 2026 12:00:00 GMT Del modelo al asistente ¿Qué convierte a un predictor de texto en un asistente útil? Un modelo base solo continúa texto: se entrenó para adivinar la siguiente pieza, no para atender a una persona. Alinear es lograr que haga lo que la persona pretende: ser útil, veraz y no causar daño. (14 min) https://abxda.com/academy/es/ia-generativa/lecciones/modelos-de-razonamiento/ https://abxda.com/academy/es/ia-generativa/lecciones/modelos-de-razonamiento/ Mon, 12 Oct 2026 12:00:00 GMT Del modelo al asistente ¿Por qué pensar más antes de responder mejora la respuesta? Un modelo de lenguaje escribe un token por pasada. Si contesta de inmediato, toda la cuenta debe ocurrir por dentro; si escribe los pasos (cadena de pensamiento), cada resultado queda como contexto y cada token añade una pasada de cálculo. (12 min) https://abxda.com/academy/es/ia-generativa/lecciones/contexto-y-memoria/ https://abxda.com/academy/es/ia-generativa/lecciones/contexto-y-memoria/ Mon, 12 Oct 2026 12:00:00 GMT Del modelo al asistente ¿Recuerda el modelo lo que le dijiste? ¿Aprende mientras conversas? El modelo no tiene estado: en cada turno la aplicación le reenvía toda la conversación. Sus pesos no cambian mientras conversas. (12 min) https://abxda.com/academy/es/ia-generativa/lecciones/rag-leer-antes-de-responder/ https://abxda.com/academy/es/ia-generativa/lecciones/rag-leer-antes-de-responder/ Mon, 12 Oct 2026 12:00:00 GMT Del modelo al asistente ¿Cómo se le da conocimiento propio a un modelo sin reentrenarlo? RAG no reentrena el modelo: con cada pregunta busca los fragmentos de tus documentos que más se parecen y los pega en el prompt, junto con la pregunta. (13 min) https://abxda.com/academy/es/ia-generativa/lecciones/agentes-y-herramientas/ https://abxda.com/academy/es/ia-generativa/lecciones/agentes-y-herramientas/ Mon, 12 Oct 2026 12:00:00 GMT Del modelo al asistente ¿Qué cambia cuando un modelo puede actuar, no solo hablar? Un modelo solo escribe texto. Para actuar recibe descripciones de herramientas y escribe llamadas a funciones (nombre y datos); el programa que lo rodea las ejecuta y pega el resultado en su contexto. (13 min) https://abxda.com/academy/es/ia-generativa/lecciones/alucinaciones-y-limites/ https://abxda.com/academy/es/ia-generativa/lecciones/alucinaciones-y-limites/ Mon, 12 Oct 2026 12:00:00 GMT Usar IA con criterio ¿Por qué se equivoca con tanta seguridad, y qué se puede hacer? Una alucinación es una respuesta fluida y segura que es falsa o no tiene respaldo. No es una avería ocasional: se sigue de cómo se entrena un modelo de lenguaje. (12 min) https://abxda.com/academy/es/ia-generativa/lecciones/evaluar-sistemas-de-ia/ https://abxda.com/academy/es/ia-generativa/lecciones/evaluar-sistemas-de-ia/ Tue, 13 Oct 2026 12:00:00 GMT Usar IA con criterio ¿Cómo compruebas que un sistema de IA sirve para tu caso? Un benchmark es un examen público y fijo. Sirve para comparar modelos en general, pero se satura y puede estar contaminado: su nota no dice si el sistema sirve para tu caso. (12 min) https://abxda.com/academy/es/ia-generativa/lecciones/riesgos-y-gobernanza/ https://abxda.com/academy/es/ia-generativa/lecciones/riesgos-y-gobernanza/ Mon, 12 Oct 2026 12:00:00 GMT Usar IA con criterio ¿Qué puede salir mal y quién responde cuando sale mal? La inyección de instrucciones no tiene solución completa. Hace daño cuando se juntan datos privados, contenido de extraños y una salida hacia fuera: quita uno de los tres o pon aprobación humana antes de actuar. (13 min) https://abxda.com/academy/es/ia-generativa/lecciones/estrategia-para-organizaciones/ https://abxda.com/academy/es/ia-generativa/lecciones/estrategia-para-organizaciones/ Mon, 12 Oct 2026 12:00:00 GMT Usar IA con criterio ¿Dónde aplicar IA generativa en tu organización y cómo empezar? Un caso de uso es una tarea concreta, no «usar IA». Se ordena con tres preguntas: cuántas veces pasa, cuánto vale cada vez y qué tan riesgoso es. Lo pequeño y frecuente puede valer más que lo grande y raro. (12 min) https://abxda.com/academy/es/ia-generativa/lecciones/el-mapa-completo/ https://abxda.com/academy/es/ia-generativa/lecciones/el-mapa-completo/ Mon, 12 Oct 2026 12:00:00 GMT Cierre ¿Cómo encajan todas las piezas, de la neurona al chatbot? Cada lección nació del límite de otra: el XOR pidió capas ocultas; la memoria corta de las redes que leen en orden pidió atención; el modelo base, que solo continúa texto, pidió alineación. (11 min)