Inteligencia Artificial: de Machine Learning a LLMs

Dot CSV lleva años siendo la referencia en español para entender la IA de verdad. No la versión divulgativa que simplifica hasta perder el fondo, sino la que explica el gradiente, las matrices y el backpropagation con animaciones, ejemplos y un nivel de claridad que pocos logran en cualquier idioma.

Esta lista de reproducción recorre todo el campo: desde qué es el Machine Learning hasta los transformers, los LLMs y los agentes autónomos. 31 videos, más de 8 horas de contenido, y una progresión que tiene sentido.

¿Qué aprenderás?

• Mapa conceptual de la IA: diferencias reales entre IA, Machine Learning, redes neuronales y Deep Learning — sin confundirlos ni mezclarlos
• Aprendizaje supervisado y no supervisado: cómo los sistemas aprenden de datos con y sin etiquetas, y cuándo usar cada enfoque
• Regresión lineal y descenso del gradiente: los algoritmos base que están detrás de casi todo el aprendizaje automático moderno
• Redes neuronales (partes 1, 2 y 3): la neurona, la red completa y el backpropagation — explicados desde las matemáticas, no como caja negra
• Overfitting y underfitting: cómo identificar y corregir los dos errores más comunes al entrenar modelos
• Programar una red neuronal: implementación real con TensorFlow, Keras y scikit-learn
• NLP: de palabras a vectores: cómo las máquinas representan y procesan el lenguaje, embeddings incluidos
• Redes convolucionales: la arquitectura que hace posible el reconocimiento de imágenes
• Transformers: la red neuronal que cambió todo el campo — atención, BERT, GPT explicados desde su mecánica
• LLMs y el estado actual: grandes modelos del lenguaje, su origen, sus límites y hacia dónde va la investigación
• Aplicaciones avanzadas: Gaussian Splatting, IA generativa, world models y agentes autónomos

¿Por qué vale la pena?

El campo de la IA avanza tan rápido que la mayoría del contenido educativo queda obsoleto en meses. Lo que no caduca es entender cómo funcionan los mecanismos fundamentales. Quien entiende el backpropagation puede leer un paper nuevo sin que le resulte incomprensible. Quien entiende la atención en los transformers puede intuir por qué los LLMs fallan donde fallan.

Dot CSV construyó esta lista para que eso sea posible — y lo hizo cuando muy pocos explicaban estos temas en español con este nivel. Hoy sigue siendo la mejor introducción estructurada al campo para hispanohablantes, y ha acumulado millones de vistas por una razón simple: funciona.

Estructura de la lista de reproducción

La progresión está pensada. Los primeros videos establecen el mapa conceptual y los algoritmos básicos. Los del medio profundizan en redes neuronales desde la teoría hasta la implementación. Los últimos cubren arquitecturas modernas — transformers, LLMs — y aplicaciones que dominan el campo hoy.

No es necesario ver todos los videos en orden, pero tiene sentido hacerlo así la primera vez. Cada video construye sobre el anterior y añade una capa de complejidad que el anterior preparó.

Cómo aprovecharlo

1. Empieza por el mapa conceptual. El primer video aclara la terminología que confunde a todo el mundo. Ese vocabulario preciso hace que el resto sea más fácil de seguir.
2. Pausa cuando haya fórmulas. Los videos de backpropagation y descenso del gradiente tienen matemáticas. Pausa, reproduce, intenta derivar tú mismo. La comprensión profunda requiere ese esfuerzo.
3. Combina con práctica. Después de los videos de implementación, abre un notebook de Google Colab y replica el código. Ejecutar el modelo cambia lo que entiendes de él.
4. Vuelve a los videos avanzados. Los de transformers y LLMs tienen más valor después de haber visto los de redes neuronales. La segunda lectura siempre conecta más.

Nuestra valoración

Si solo puedes recomendar un recurso en español para entender la IA de verdad, esta es la lista. No cubre todo el campo con la misma profundidad — algunos temas avanzados son más panorámicos que técnicos — pero establece los fundamentos con una claridad que es difícil encontrar en inglés, y casi imposible en español. El tiempo invertido aquí se nota después cuando lees papers, usas librerías o simplemente intentas entender por qué algo funciona o no.