iaparagentecuriosa

name	iaparagentecuriosa
description	Index del curso "Inteligencia Artificial para Gente Curiosa" de 686h6c61 — 12 fascículos, 113 capítulos, 34 cuadernos Colab, 1105 términos glosario. Incluye mapeo URL, estructura y metodología de extracción de skills.

IA para Gente Curiosa — Index del Curso

Qué es

Curso completo de IA en español (CC BY 4.0 + MIT) por 686h6c61. 12 fascículos, 113 capítulos, 34 cuadernos ejecutables en Colab, 1105 términos de glosario.

URL base: https://www.iaparagentecuriosa.686f6c61.dev/

Estructura del curso

12 Fascículos

#	Título	Caps	Cuadernos	URL base
F01	Los cimientos	11	3	/fasciculo-01/
F02	Inteligencia clásica	16	4	/fasciculo-02/
F03	Arquitecturas y modelos	7	4	/fasciculo-03/
F04	La caja de herramientas	11	2	/fasciculo-04/
F05	Agentes y orquestación	12	3	/fasciculo-05/
F06	Construir y operar	10	2	/fasciculo-06/
F07	Evaluar, calibrar e interpretar	6	2	/fasciculo-07/
F08	La ciencia de los datos	8	2	/fasciculo-08/
F09	Seguridad, privacidad y gobernanza	5	2	/fasciculo-09/
F10	Aprendizaje por refuerzo	8	2	/fasciculo-10/
F11	IA multimodal	12	2	/fasciculo-11/
F12	Lógica e incertidumbre	7	6	/fasciculo-12/

Capítulos F01 — Los cimientos (11)

1. Qué es y qué no es la IA
2. Sistemas deterministas frente a sistemas probabilísticos
3. Los cinco principios
4. La neurona artificial
5. Redes neuronales: capas y arquitectura
6. Retropropagación
7. Funciones de pérdida y optimizadores
8. CNNs y RNNs
9. Tokens y embeddings
10. Entrenamiento frente a inferencia
11. Machine learning clásico

Capítulos F02 — Inteligencia clásica (16)

1. Búsqueda como espacio de estados
2. BFS, DFS, UCS e IDS
3. Greedy, A* y heurísticas
4. Agentes modernos
5. SAT y CSP
6. Variables, dominios y restricciones
7. Propagación, backtracking y heurísticas en CSP
8. Restricciones como guardrails
9. Planificación automática
10. Planificación heurística, SAT y agentes LLM
11. Juegos: decidir con otros actores
12. Conocimiento simbólico

Capítulos F03 — Arquitecturas y modelos (7)

1. Qué es un LLM: modelo, parámetros y escala
2. Transformer: de texto a tensores y atención
3. Q, K, V, máscara causal y softmax
4. MLP, residual, LayerNorm, logits y sampling
5. Arquitecturas modernas: familias, MoE, razonamiento y multimodalidad
6. Transfer learning, destilación y modelos abiertos
7. Inferencia optimizada, edge AI y hardware

Capítulos F04 — La caja de herramientas (11)

1. Elegir la intervención correcta
2. APIs: mensajes, eventos y contratos
3. Tokens, contexto y caché
4. Model cards y elección de modelos
5. Local, cuantización y dependencia operativa
6. Embeddings y búsqueda semántica
7. Bases vectoriales y búsqueda híbrida
8. RAG básico: evidencia antes que respuesta
9. Evaluar RAG y no fiarse de la demo
10. Agentic RAG y GraphRAG: complicar con permiso
11. Text-to-SQL y herramientas de datos

Capítulos F05 — Agentes y orquestación (12)

(Extraer de /fasciculo-05/)

Capítulos F06 — Construir y operar (10)

(Extraer de /fasciculo-06/)

Capítulos F07 — Evaluar, calibrar e interpretar (6)

(Extraer de /fasciculo-07/)

Capítulos F08 — La ciencia de los datos (8)

(Extraer de /fasciculo-08/)

Capítulos F09 — Seguridad, privacidad y gobernanza (5)

(Extraer de /fasciculo-09/)

Capítulos F10 — Aprendizaje por refuerzo (8)

(Extraer de /fasciculo-10/)

Capítulos F11 — IA multimodal (12)

(Extraer de /fasciculo-11/)

Capítulos F12 — Lógica e incertidumbre (7)

(Extraer de /fasciculo-12/)

34 Cuadernos de Colab

Todos están en /cuadernos/. Se abren en Google Colab sin instalar nada.

1. Una red neuronal a mano, con NumPy
2. Entrenamiento vs inferencia: el sobreajuste, en directo
3. Machine learning clásico que decide de verdad
4. Buscar en un mapa: BFS, DFS, coste uniforme y A*
5. Sudoku como CSP: fuerza bruta frente a propagación
6. Planificar de verdad: el mundo de bloques
7. Decidir contra alguien: minimax y poda alfa-beta
8. Atención a mano: Q, K, V y la máscara causal
9. Cómo elige palabras un LLM: temperatura, top-k y top-p
10. Cuantización: cómo cabe un modelo gigante en tu portátil
11. Un mini-GPT desde cero: constrúyelo y míralo pensar
12. Tokens, contexto y coste: la factura de un LLM
13. Salidas estructuradas: que el modelo rellene tu formulario
14. Un agente ReAct mínimo, paso a paso
15. Function calling: el contrato entre el modelo y tus herramientas
16. El bucle con verificador: optimizar código probando, midiendo y quedándote con lo mejor
17. Observabilidad: la caja negra que sí puedes mirar
18. Routing, fallback y presupuesto: el modelo adecuado para cada tarea
19. El coste del error: dónde poner el umbral
20. Calibración: cuando el modelo dice «90%», ¿es un 90%?
21. Leakage: cómo te engañas sin querer
22. Slices y sesgo: el promedio miente
23. Minimizar y anonimizar: tratar datos personales con cabeza
24. Inyección de prompt: cuando el dato te da órdenes
25. Aprender a decidir: MDP, Bellman y un mundo de casillas
26. Explorar o explotar: el dilema de los bandidos
27. De píxeles a patches: cómo una imagen entra en un Transformer
28. Buscar imágenes por su contenido: el germen de la búsqueda multimodal
29. Lógica y resolución: razonar con reglas, no con datos
30. Bayes y redes bayesianas: razonar con probabilidades
31. Lógica difusa: cuando «verdadero» y «falso» no bastan
32. Sistemas expertos: encadenamiento hacia delante y hacia atrás
33. Razonamiento causal: correlación no es causa
34. Razonamiento no monótono: retractarse cuando llega un dato nuevo

Recursos complementarios

• Glosario: /glosario/ — 1105 términos con enlace al capítulo donde se explica
• Aprende con TEO: /aprende-con-teo/ — Mini-cursos prácticos paso a paso
• Bricoman(IA): /bricomania/ — Artículos técnicos reproducibles (taller: "Radiografiar un LLM capa a capa con la Jacobian lens")
• Licencia: CC BY 4.0 (texto) + MIT (código y cuadernos)

Extracción de skills — Metodología

Este curso puede convertirse en skills de Hermes mediante:

1. Scraping estructural: python scrape_iaparagentecuriosa_final.py desde /root/workspace/
2. Extraer capítulos: buscar h2 numerados (^(\d+)\.\s+(.+)$)
3. Extraer cuadernos: buscar bloques <article> con h4 + párrafos
4. Generar skills: 1-3 skills por fascículo, accionables y específicas
5. Guardar: /hermes-home/skills/iaparagentecuriosa/

Cron automatizado

Job 3d5c484ead60 — ejecuta 12 ticks (uno por fascículo) a las 10:00 UTC diarios. Cada tick procesa un fascículo y crea 1-3 skills.

HTML estructurado del curso

El sitio usa un patrón consistente por fascículo:

• h1 = título del fascículo
• h2 numerados = capítulos reales
• Dentro de cada capítulo: subsecciones "Cómo funciona", "Por qué debería importarte", "Dónde solía tropezar yo", "Vocabulario aprendido", "Antes de pasar página"
• Los cuadernos se vinculan desde la recapitulación de cada fascículo
• El glosario usa <dt>/<dd> para términos/definiciones

Scripts

• scripts/scrape-iaparagentecuriosa.py — Scraping estructural: extrae fascículos, capítulos, cuadernos y glosario. Output: /root/workspace/iaparagentecuriosa_final.json.

Datos escrapados

Archivo de referencia: /root/workspace/iaparagentecuriosa_final.json Contiene: 12 fascículos con capítulos numerados, 34 cuadernos con descripciones, muestra de glosario.

Rutas de lectura recomendadas

• Desde cero: F01 → F02 → F03
• Construir con LLM: F04 → F05 → F06
• Agentes en producción: F05 → F06 → F09
• Ingeniería de datos: F08 → F04 → F07
• Evaluar y gobernar: F07 → F09
• RL: F10 (inmersión)
• Multimodal: F11 (inmersión)