| 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)
- Qué es y qué no es la IA
- Sistemas deterministas frente a sistemas probabilísticos
- Los cinco principios
- La neurona artificial
- Redes neuronales: capas y arquitectura
- Retropropagación
- Funciones de pérdida y optimizadores
- CNNs y RNNs
- Tokens y embeddings
- Entrenamiento frente a inferencia
- Machine learning clásico
Capítulos F02 — Inteligencia clásica (16)
- Búsqueda como espacio de estados
- BFS, DFS, UCS e IDS
- Greedy, A* y heurísticas
- Agentes modernos
- SAT y CSP
- Variables, dominios y restricciones
- Propagación, backtracking y heurísticas en CSP
- Restricciones como guardrails
- Planificación automática
- Planificación heurística, SAT y agentes LLM
- Juegos: decidir con otros actores
- Conocimiento simbólico
Capítulos F03 — Arquitecturas y modelos (7)
- Qué es un LLM: modelo, parámetros y escala
- Transformer: de texto a tensores y atención
- Q, K, V, máscara causal y softmax
- MLP, residual, LayerNorm, logits y sampling
- Arquitecturas modernas: familias, MoE, razonamiento y multimodalidad
- Transfer learning, destilación y modelos abiertos
- Inferencia optimizada, edge AI y hardware
Capítulos F04 — La caja de herramientas (11)
- Elegir la intervención correcta
- APIs: mensajes, eventos y contratos
- Tokens, contexto y caché
- Model cards y elección de modelos
- Local, cuantización y dependencia operativa
- Embeddings y búsqueda semántica
- Bases vectoriales y búsqueda híbrida
- RAG básico: evidencia antes que respuesta
- Evaluar RAG y no fiarse de la demo
- Agentic RAG y GraphRAG: complicar con permiso
- 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.
- Una red neuronal a mano, con NumPy
- Entrenamiento vs inferencia: el sobreajuste, en directo
- Machine learning clásico que decide de verdad
- Buscar en un mapa: BFS, DFS, coste uniforme y A*
- Sudoku como CSP: fuerza bruta frente a propagación
- Planificar de verdad: el mundo de bloques
- Decidir contra alguien: minimax y poda alfa-beta
- Atención a mano: Q, K, V y la máscara causal
- Cómo elige palabras un LLM: temperatura, top-k y top-p
- Cuantización: cómo cabe un modelo gigante en tu portátil
- Un mini-GPT desde cero: constrúyelo y míralo pensar
- Tokens, contexto y coste: la factura de un LLM
- Salidas estructuradas: que el modelo rellene tu formulario
- Un agente ReAct mínimo, paso a paso
- Function calling: el contrato entre el modelo y tus herramientas
- El bucle con verificador: optimizar código probando, midiendo y quedándote con lo mejor
- Observabilidad: la caja negra que sí puedes mirar
- Routing, fallback y presupuesto: el modelo adecuado para cada tarea
- El coste del error: dónde poner el umbral
- Calibración: cuando el modelo dice «90%», ¿es un 90%?
- Leakage: cómo te engañas sin querer
- Slices y sesgo: el promedio miente
- Minimizar y anonimizar: tratar datos personales con cabeza
- Inyección de prompt: cuando el dato te da órdenes
- Aprender a decidir: MDP, Bellman y un mundo de casillas
- Explorar o explotar: el dilema de los bandidos
- De píxeles a patches: cómo una imagen entra en un Transformer
- Buscar imágenes por su contenido: el germen de la búsqueda multimodal
- Lógica y resolución: razonar con reglas, no con datos
- Bayes y redes bayesianas: razonar con probabilidades
- Lógica difusa: cuando «verdadero» y «falso» no bastan
- Sistemas expertos: encadenamiento hacia delante y hacia atrás
- Razonamiento causal: correlación no es causa
- 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:
- Scraping estructural:
python scrape_iaparagentecuriosa_final.py desde /root/workspace/
- Extraer capítulos: buscar h2 numerados (
^(\d+)\.\s+(.+)$)
- Extraer cuadernos: buscar bloques
<article> con h4 + párrafos
- Generar skills: 1-3 skills por fascículo, accionables y específicas
- 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 fascículoh2 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)
