AI-For-Beginners/translations/es
leestott 464396d431 🌐 Update translations via Co-op Translator 2025-08-24 10:52:15 +00:00
..
etc 🌐 Update translations via Co-op Translator 2025-08-24 10:52:15 +00:00
lessons 🌐 Update translations via Co-op Translator 2025-08-24 10:52:15 +00:00
README.md 🌐 Update translations via Co-op Translator 2025-08-24 10:52:15 +00:00
SECURITY.md 🌐 Update translations via Co-op Translator 2025-08-24 10:52:15 +00:00

README.md

Licencia de GitHub
Contribuidores de GitHub
Problemas de GitHub
Solicitudes de extracción de GitHub
PRs Bienvenidos

Observadores de GitHub
Bifurcaciones de GitHub
Estrellas de GitHub
Binder
Gitter

Inteligencia Artificial para Principiantes - Un Currículo

 Sketchnote por (@girlie_mac)
AI Para Principiantes - Sketchnote por @girlie_mac

Explora el mundo de la Inteligencia Artificial (IA) con nuestro currículo de 12 semanas y 24 lecciones. Incluye lecciones prácticas, cuestionarios y laboratorios. El currículo está diseñado para principiantes y cubre herramientas como TensorFlow y PyTorch, además de ética en IA.

Lo que aprenderás

Mapa mental del curso

En este currículo, aprenderás:

  • Diferentes enfoques de la Inteligencia Artificial, incluyendo el enfoque simbólico "de la vieja escuela" con Representación del Conocimiento y razonamiento (GOFAI).
  • Redes Neuronales y Aprendizaje Profundo, que son el núcleo de la IA moderna. Ilustraremos los conceptos detrás de estos temas importantes utilizando código en dos de los marcos más populares: TensorFlow y PyTorch.
  • Arquitecturas Neuronales para trabajar con imágenes y texto. Cubriremos modelos recientes, aunque puede que no incluyamos lo más avanzado.
  • Enfoques menos populares de IA, como Algoritmos Genéticos y Sistemas Multi-Agente.

Lo que no cubriremos en este currículo:

Encuentra todos los recursos adicionales para este curso en nuestra colección de Microsoft Learn

Para una introducción sencilla a los temas de IA en la nube, puedes considerar tomar el camino de aprendizaje Comienza con inteligencia artificial en Azure.

Contenido

Enlace de la Lección PyTorch/Keras/TensorFlow Laboratorio
0 Configuración del Curso Configura tu entorno de desarrollo
I Introducción a la IA
01 Introducción e Historia de la IA - -
II IA Simbólica
02 Representación del Conocimiento y Sistemas Expertos Sistemas Expertos / Ontología /Gráfico de Conceptos
III Introducción a Redes Neuronales
03 Perceptrón Notebook Laboratorio
04 Perceptrón Multicapa y Creación de nuestro propio Marco Notebook Laboratorio
05 Introducción a Marcos (PyTorch/TensorFlow) y Sobreajuste PyTorch / Keras / TensorFlow Laboratorio
IV Visión por Computadora PyTorch / TensorFlow Explora Visión por Computadora en Microsoft Azure
06 Introducción a Visión por Computadora. OpenCV Notebook Laboratorio
07 Redes Neuronales Convolucionales & Arquitecturas CNN PyTorch /TensorFlow Laboratorio
08 Redes preentrenadas y aprendizaje por transferencia y Trucos de entrenamiento PyTorch / TensorFlow Laboratorio
09 Autoencoders y VAEs PyTorch / TensorFlow
10 Redes Generativas Adversarias y Transferencia de Estilo Artístico PyTorch / TensorFlow
11 Detección de Objetos TensorFlow Laboratorio
12 Segmentación Semántica. U-Net PyTorch / TensorFlow
V Procesamiento de Lenguaje Natural PyTorch /TensorFlow Explora el Procesamiento de Lenguaje Natural en Microsoft Azure
13 Representación de Texto. Bow/TF-IDF PyTorch / TensorFlow
14 Embeddings semánticos de palabras. Word2Vec y GloVe PyTorch / TensorFlow
15 Modelado de Lenguaje. Entrenando tus propios embeddings PyTorch / TensorFlow Laboratorio
16 Redes Neuronales Recurrentes PyTorch / TensorFlow
17 Redes Recurrentes Generativas PyTorch / TensorFlow Laboratorio
18 Transformers. BERT. PyTorch /TensorFlow
19 Reconocimiento de Entidades Nombradas TensorFlow Laboratorio
20 Modelos de Lenguaje Grandes, Programación con Prompts y Tareas de Few-Shot PyTorch
VI Otras Técnicas de IA
21 Algoritmos Genéticos Notebook
22 Aprendizaje por Refuerzo Profundo PyTorch /TensorFlow Laboratorio
23 Sistemas Multi-Agente
VII Ética en la IA
24 Ética en la IA y IA Responsable Microsoft Learn: Principios de IA Responsable
IX Extras
25 Redes Multimodales, CLIP y VQGAN Notebook

Cada lección contiene

  • Material de lectura previa.
  • Notebooks ejecutables de Jupyter, que a menudo son específicos para el framework (PyTorch o TensorFlow). El notebook ejecutable también incluye mucho material teórico, por lo que para entender el tema necesitas revisar al menos una versión del notebook (ya sea PyTorch o TensorFlow).
  • Laboratorios disponibles para algunos temas, que te dan la oportunidad de aplicar el material aprendido a un problema específico.
  • Algunas secciones contienen enlaces a módulos de MS Learn que cubren temas relacionados.

Comenzando

Sigue estos pasos:

Haz un fork del repositorio: Haz clic en el botón "Fork" en la esquina superior derecha de esta página.

Clona el repositorio: git clone https://github.com/microsoft/AI-For-Beginners.git

No olvides darle una estrella (🌟) a este repositorio para encontrarlo más fácilmente más tarde.

Conoce a otros estudiantes

Únete a nuestro servidor oficial de Discord de IA para conocer y conectar con otros estudiantes que están tomando este curso y obtener soporte.

Si tienes comentarios sobre el producto o preguntas mientras construyes, visita nuestro Foro de Desarrolladores de Azure AI Foundry.

Cuestionarios

Una nota sobre los cuestionarios: Todos los cuestionarios están contenidos en la carpeta Quiz-app en etc\quiz-app. Están vinculados desde las lecciones, y la aplicación de cuestionarios se puede ejecutar localmente o desplegar en Azure; sigue las instrucciones en la carpeta quiz-app. Se están localizando gradualmente.

Se Busca Ayuda

¿Tienes sugerencias o encontraste errores de ortografía o código? Crea un issue o un pull request.

Agradecimientos Especiales

Otros Currículos

¡Nuestro equipo produce otros currículos! Échales un vistazo:

Descargo de responsabilidad:
Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.