Loading
Lesson 1 of 22· Empieza aquí: qué es un LLM
Probablemente ya has usado un asistente de IA que escribe correos, resume textos o responde preguntas casi como una persona. Detrás de esa experiencia hay un gran modelo de lenguaje (LLM, por sus siglas en inglés). En este curso vas a entender, de verdad y sin humo, qué es un LLM y cómo funciona por dentro.
Y cuando decimos "de verdad" no nos referimos a ecuaciones intimidantes. Nos referimos a construir la intuición correcta: la que te permite explicarle a alguien más por qué un LLM a veces se equivoca con total seguridad, por qué "olvida" lo que le dijiste hace un rato, o por qué predecir la siguiente palabra basta para generar párrafos coherentes.
Este es el primer paso serio hacia la IA generativa. No necesitas experiencia previa en IA: si sabes leer un poco de Python, estás en el lugar correcto.
Este curso es para ti si:
No hace falta saber matemáticas avanzadas, estadística ni redes neuronales. Cada idea la construiremos con lenguaje claro, diagramas y pequeñas demos que puedes ejecutar en el navegador, sin instalar nada.
Antes de entrar en detalles, quédate con esta idea, que iremos desarrollando durante todo el curso:
Un LLM es un sistema que, dado un texto, predice qué fragmento de texto viene a continuación — y lo hace tan bien, tras aprender de enormes cantidades de texto, que puede escribir, resumir, traducir y responder.
Suena casi demasiado simple para explicar algo tan capaz. Parte de la magia de este curso es mostrarte cómo, a partir de esa única idea, emergen las capacidades (y también los límites) que ves en la práctica.
Avanzaremos por capas, de lo más concreto a lo más abstracto, y cerraremos con lo práctico: para qué sirven y dónde fallan.
En concreto, al terminar sabrás:
| Tema | Lo que entenderás |
|---|---|
| Tokens | Cómo un modelo parte el texto en piezas y por qué eso afecta costo y longitud |
| Embeddings | Cómo se convierten las palabras en números que capturan significado |
| Atención / Transformers | La intuición del mecanismo que hace posible entender el contexto |
| Entrenamiento | Qué es preentrenar, instruir y "alinear" un modelo, y qué es la temperatura |
| Casos de uso | Dónde brillan los LLMs y dónde es mejor no usarlos |
| Límites | Alucinaciones, sesgo, corte de conocimiento y ventana de contexto |
Para mantener el foco en los fundamentos, dejaremos fuera dos cosas que son pasos posteriores naturales:
Eso es deliberado: primero entiendes qué está pasando por dentro, y sobre esa base todo lo demás se aprende mucho más rápido y con menos frustración.
Suficiente introducción. La mejor forma de entender un LLM es verlo hacer algo, así que en la siguiente lección harás tu primer experimento en menos de tres minutos: darle un texto a un tokenizador y ver con tus propios ojos cómo un modelo parte tus palabras en piezas — el primer paso que da cualquier LLM antes de "pensar". Sin instalar nada, directo en el navegador.
Nos vemos en el siguiente paso. 🚀
Free