Módulo 01 — FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
El módulo más importante de toda la academia. Todo lo que construirás después — RAG, agentes, MCP, SaaS — se apoya en lo que aprendas aquí. Empezamos desde cero absoluto.
Índice del módulo
| # |
Capítulo |
Qué aprenderás |
| 1 |
¿Qué es la Inteligencia Artificial? |
Definiciones, tipos de IA, IA débil vs. fuerte, mapa completo del campo |
| 2 |
Historia de la IA |
De Turing a los LLMs: 80 años de inviernos y veranos |
| 3 |
Matemáticas para IA |
Álgebra lineal, cálculo, probabilidad y estadística — con código |
| 4 |
Python para IA |
Desde cero: sintaxis, entorno profesional, NumPy, Pandas |
| 5 |
Datos y representación |
Cómo se convierte el mundo real en números que una máquina entiende |
| 6 |
¿Cómo aprende una máquina? |
Paradigmas de aprendizaje, entrenamiento, inferencia, generalización |
| 7 |
Ecosistema, herramientas y hardware |
Frameworks, GPUs, cloud, el mapa de la industria en 2026 |
| 8 |
Ejercicios |
30 ejercicios con soluciones |
| 9 |
Laboratorios |
5 laboratorios guiados paso a paso |
| 10 |
Proyectos |
Mini proyecto + proyecto profesional del módulo |
Objetivos
Al terminar este módulo serás capaz de:
- [ ] Explicar con precisión qué es la IA, el ML y el DL, y cómo se relacionan.
- [ ] Contar la historia del campo y entender por qué los LLMs aparecieron cuando aparecieron.
- [ ] Operar con vectores y matrices, y entender qué es un gradiente y una probabilidad condicional.
- [ ] Programar en Python con soltura: funciones, clases, entornos virtuales, NumPy y Pandas.
- [ ] Explicar cómo se representan textos, imágenes y tablas como números.
- [ ] Describir el ciclo completo: datos → entrenamiento → modelo → inferencia.
- [ ] Conocer el ecosistema actual: frameworks, proveedores, hardware y dónde encaja cada uno.
Mapa conceptual del módulo
flowchart TD
A[¿Qué es la IA?] --> B[Historia: por qué ahora]
A --> C[Matemáticas: el lenguaje]
C --> D[Python: la herramienta]
D --> E[Datos: la materia prima]
E --> F[¿Cómo aprende una máquina?]
F --> G[Ecosistema y hardware]
G --> H[Módulo 02: Machine Learning]
Duración estimada
| Ritmo |
Tiempo |
| Intensivo (20 h/semana) |
3 semanas |
| Estándar (15 h/semana) |
4 semanas |
| Pausado (8 h/semana) |
6–7 semanas |
Requisitos previos
- Módulo 00-BIENVENIDA completado (entorno funcionando).
- Nada más. Ni matemáticas ni programación previas.
Checklist de salida del módulo
No pases al módulo 02 sin poder marcar todo:
- [ ] Leí y reproduje el código de los 7 capítulos
- [ ] Completé los 5 laboratorios
- [ ] Resolví al menos 25 de los 30 ejercicios
- [ ] Terminé el mini proyecto (analizador de dataset)
- [ ] Terminé el proyecto profesional (informe ejecutivo de viabilidad de IA)
- [ ] Puedo explicar sin mirar: IA vs. ML vs. DL, qué es un vector, qué es entrenar un modelo
- [ ] Mi diario de aprendizaje tiene entradas de este módulo
Bibliografía y enlaces oficiales