Aprende IA haciendo

Cursos en vídeo para convertir las herramientas de IA en habilidades repetibles.

Aprende IA haciendo

Cursos en vídeo para convertir las herramientas de IA en habilidades repetibles.

• Análisis práctico de datos con Python y Pandas - Construye un flujo de análisis práctico en pasos breves: prepara un cuaderno, comprende los valores de Python, carga archivos habituales, selecciona y combina datos, resume grupos e inspecciona un conjunto de datos. Las lecciones seleccionadas son demostraciones del canal de YouTube de Alex The Analyst; no sustituyen la documentación vigente de las bibliotecas. Al finalizar, tendrás un cuaderno reproducible de análisis exploratorio y un registro claro de los supuestos adoptados.
• Fundamentos del aprendizaje automático: de los algoritmos a los pipelines - Conecta la intuición geométrica de los vectores con el razonamiento de los vecinos más cercanos, los árboles potenciados, las funciones de pérdida, los pipelines de preprocesamiento y dos ejemplos compactos de redes neuronales. La secuencia utiliza lecciones de YouTube de CampusX como demostraciones guiadas. Se insiste en preguntar qué datos, objetivo, partición y medida de evaluación utiliza un modelo, en lugar de tratar un ejemplo de código como prueba de que generalizará.
• Aprendizaje profundo y visión artificial con CNN - Avanza desde el papel del aprendizaje profundo y las familias de redes neuronales hasta los fundamentos de PyTorch, la estructura convolucional, los modelos preentrenados y el aprendizaje por transferencia. La última lección ofrece el contexto acotado de un proyecto de clasificación de imágenes. El material se presenta mediante demostraciones de CampusX en YouTube; antes de implementar un proyecto, comprueba las API de los entornos de desarrollo y los términos de los conjuntos de datos en la documentación vigente.
• Fundamentos de PLN hasta los transformers y los LLM - Construye un modelo mental del PLN paso a paso: define la tarea, sitúa el preprocesamiento y la representación en un pipeline, prueba un planteamiento supervisado de clasificación de texto y conecta la autoatención con la evolución histórica de los modelos de lenguaje. Las lecciones seleccionadas de CampusX son material didáctico, no una promesa sobre el resultado de un modelo concreto. Los ejercicios hacen visibles las decisiones de preprocesamiento y los supuestos de evaluación.
• Construye aplicaciones de IA generativa con LangChain y LangGraph - Empieza por el papel de LangChain en las aplicaciones de IA generativa y examina componentes, interfaces de modelos, prompts, salidas estructuradas y parsers antes de pasar a un flujo agéntico con LangGraph. CampusX aporta las demostraciones seleccionadas y el contexto de código; los nombres de paquetes y las API pueden cambiar, así que trata los ejercicios como patrones que debes verificar, no como instrucciones de producción inmutables. El curso valora los esquemas explícitos, las entradas de prueba y las transiciones de estado observables.
• Automatización con IA y operaciones de agentes - Estudia patrones prácticos de automatización sin tomar una demostración como plano de producción. El curso avanza desde un flujo de contenido de extremo a extremo hasta la operación remota, la programación, las extensiones, los diseños multiagente con supervisor y un flujo de n8n con control de calidad humano. Se espera que compruebes los permisos, la recuperación ante fallos, el tratamiento de datos y los pasos de las herramientas sensibles a cambios.
• Claude Cowork y trabajo del conocimiento con IA - Usa las demostraciones seleccionadas para estudiar patrones de trabajo del conocimiento: organizar archivos, añadir contexto persistente, investigar un sitio web, empaquetar capacidades reutilizables, redactar recursos empresariales y comparar flujos con agentes. El énfasis está en entradas inspeccionables y salidas revisables, porque las interfaces y los permisos pueden cambiar.
• Indicaciones aplicadas para investigación y trabajo de alto riesgo - Avanza desde la estructura y los ejemplos de indicaciones hasta el contexto de procesos jurídicos, el análisis de brechas conversacionales, la recuperación fundamentada, la investigación visual y el descubrimiento de palabras clave. El curso trata la salida del modelo como un borrador que debe inspeccionarse: no es asesoramiento jurídico, una constatación de hechos ni un sustituto de una revisión cualificada. Cada tarea produce una indicación, un registro de evidencias o un artefacto de evaluación auditable.
• Fundamentos de los LLM: aprendizaje profundo, modelos y recuperación - Conecta la práctica del entrenamiento de redes neuronales y del aprendizaje por transferencia con el funcionamiento interno de los modelos de lenguaje, la evaluación de modelos, las indicaciones, los ciclos de agentes, las conexiones de herramientas MCP y los flujos orientados a la recuperación. El material combina lecciones técnicas extensas con demostraciones breves; usa las tareas para distinguir conceptos duraderos de comandos sensibles a versiones y para probar los límites de cada sistema.
• Fundamentos de IA y LLM: de los fundamentos a los agentes de investigación (urdu-inglés) - Construye un recorrido conceptual desde el aprendizaje automático y el PLN hasta los modelos de lenguaje grandes, las herramientas de modelos preentrenados, las indicaciones y un proyecto final de agente de investigación en Python. La secuencia se presenta con instrucción urdu-inglés y debe servir de base para experimentos, no de promesa de que una API de modelo, biblioteca o servicio alojado permanecerá sin cambios. Las tareas hacen hincapié en el tratamiento de fuentes, las salidas estructuradas y la revisión humana.
• Creación de imágenes con IA: indicaciones, coherencia y herramientas locales - Trabaje desde un encargo visual hasta un flujo de imágenes que pueda revisarse. Comparará enfoques de generación y edición, practicará la estructura de las indicaciones, conservará la continuidad de personajes y escenas, y probará opciones alojadas y locales sin considerar permanente una interfaz concreta. El curso pone el acento en registrar versiones, permisos y revisiones de los recursos, así como en informar cuando se trate de medios sintéticos.
• Producción de vídeo con IA: de imagen a vídeo hasta anuncios cinematográficos - Planifique el trabajo de vídeo corto con IA como una sucesión de planos, pruebas y puntos de revisión. La secuencia abarca las indicaciones de texto a vídeo, la planificación cinematográfica, la animación de imágenes, los experimentos de imagen a vídeo, la configuración local y la resolución de problemas, hasta un proyecto final orientado a anuncios. Los hábitos duraderos —encargos, hojas de continuidad, registros de procedencia, bitácoras de defectos y aprobación humana— siguen siendo útiles aunque cambien las herramientas y los modelos.
• Contenido y flujos de trabajo de marketing con IA - Construya un sistema pequeño de contenido en lugar de acumular consejos sobre herramientas. Practicará el diseño de indicaciones y contexto, encargos con varias salidas, automatización acotada, borradores de estilo UGC, atajos móviles, experimentos de marketing y laboratorios controlados de indicaciones. Cada flujo mantiene visibles la verificación, la privacidad, la revisión de afirmaciones y la aprobación humana, para que una interfaz cambiante no se convierta en la única fuente de verdad del curso.
• Investigación con IA y sistemas de productividad - Diseñe rutinas de investigación y productividad como flujos de trabajo auditables. Las lecciones abarcan permisos del espacio de trabajo, captura de reuniones, agentes de investigación programados, recopilación de señales de producto, evaluación de funciones, seguridad de agentes y trabajo asistido por voz. En vez de prometer exactitud automática, el curso pide definir límites de las fuentes, comprobar resultados, proteger información sensible y conservar una alternativa manual.
• IA responsable: equidad, explicabilidad, privacidad y confianza - Aprenda a convertir las preocupaciones sobre IA responsable en preguntas concretas de revisión y registros de decisiones. La secuencia pasa por el encuadre ético y las definiciones contrapuestas de equidad, el diseño de pruebas de sesgo, los límites de las explicaciones, el modelado de amenazas de privacidad, las cuestiones de derechos de autor y procedencia, y la verificación de deepfakes. No ofrece asesoramiento jurídico ni una puntuación universal de equidad: pone el foco en las evidencias, las personas afectadas, la incertidumbre, la supervisión humana y la escalada.

Preguntas frecuentes

¿Hay cursos gratuitos disponibles?

Sí. La lección introductoria de cada curso disponible se ofrece como vista previa gratuita. No necesitas tarjeta para empezar.

¿Cómo funciona la prueba de 7 días?

Los usuarios elegibles reciben una prueba gratuita de 7 días. Después, el plan mensual o anual elegido se renueva automáticamente hasta que lo cancele. Cancele antes de que termine la prueba para evitar el cargo.

¿Qué es el Academy Pass?

El Academy Pass le otorga acceso ilimitado a todos los cursos completos, recursos premium y tareas exclusivas. Está disponible por $29/mes o $249/año, y puede cancelar en cualquier momento a través de nuestro portal de facturación de Stripe.

¿La Academy está incluida con Lumi Pro?

Sí. Si tiene una suscripción activa a Lumi Pro, el acceso ilimitado a la One AI Guide Academy se incluye automáticamente sin costo adicional.

Contenido de curso con licencia abierta · licencia CC BY · licencia verificada

Este catálogo solo incluye cursos con pruebas de licencia completas y aprobadas, y al menos una lección publicada que cumpla los requisitos.