Aprende DevOps,
datos e IA
- 636
- lecciones
- 7
- documentos
- 141
- lecciones gratuitas
De un commit a una infraestructura que se puede repetir
El curso sigue esta cadena en este orden, un módulo a la vez. Cada etapa se apoya en la anterior y se practica en un proyecto real.
- 01Git
Versionar, ramificar y fusionar sin perderse
- 02Jenkins
Compilar y probar en cada commit
- 03Docker
Empaquetar la aplicación con todo lo que necesita
- 04Kubernetes
Desplegar, escalar y resistir una caída
- 05Terraform
Describir la infraestructura para poder repetirla
Cursos completos, módulo a módulo
Cada curso sigue un programa real: módulos ordenados, lecciones autónomas y ejercicios con solución. Los primeros módulos están abiertos a todos.
Desarrollo y despliegue de soluciones de datos
Desde una estación de trabajo vacía hasta una aplicación desplegada automáticamente, monitoreada y reproducible: Git, Jenkins, Docker, Kubernetes, Helm, Ansible, Terraform y observabilidad.
Aprendizaje supervisado: de cero a un proyecto profesional
Un recorrido completo y progresivo: desde el vocabulario básico hasta la puesta en producción de un modelo. Tipo de problema, preparación de datos, algoritmos de clasificación y regresión, métricas y costos de negocio, canalizaciones anti-fuga, interpretabilidad, despliegue y monitoreo — con diez trabajos prácticos y un proyecto final.
El aprendizaje supervisado explicado a los niños: 100 conceptos de IA en palabras sencillas
Cien preguntas, cien respuestas de una página, sin una sola fórmula: qué es la IA, cómo aprende un ordenador con una corrección, los algoritmos, las redes neuronales, los grandes modelos de lenguaje, los datos y sus sesgos, la IA en la vida real y los oficios del mañana. Para niños — y personas adultas curiosas que empiezan.
Aprendizaje profundo: de la intuición al despliegue
De redes neuronales a Transformers: tensores, MLP, propagación hacia adelante, gradiente y retropropagación, optimización, inicialización, regularización, luego CNN, RNN/LSTM/GRU, atención, embeddings y modelos generativos — hasta despliegue MLOps y ética. Cinco TP PyTorch, un proyecto final defendible, nueve profundizaciones modernas.
Aprendizaje profundo para niños: neuronas, imágenes, texto y mucho más
Sin ninguna fórmula: cómo se construye una red neuronal, cómo aprende corrigiendo sus errores, cómo mira las imágenes, escucha los sonidos, lee el lenguaje y crea dibujos. Cada lección cabe en una página, con un esquema simple y una actividad sin pantalla. Para niños y adultos curiosos que empiezan.
La IA agéntica explicada a los niños: agentes que piensan, actúan y verifican
¡Un chatbot responde, un agente actúa! Descubre cómo una IA recibe un objetivo, piensa paso a paso, usa herramientas, recuerda, verifica su trabajo y pide permiso cuando es arriesgado. Cada lección cabe en una página, con un esquema simple y una actividad sin pantalla. Para los 10 a 15 años y los adultos curiosos.
La familia Claude: Code, Cowork y Design — el manual práctico
El manual práctico de la familia Claude para desarrolladores: controlar Claude Code desde tu terminal, ajustar los permisos, fabricar habilidades (Skills), delegar en subagentes, automatizar con ganchos (hooks) y conectar servidores MCP, y después colaborar en Cowork y prototipar en Design.
Elasticsearch, OpenSearch, Kibana y Neo4j: el laboratorio Docker llave en mano
Un laboratorio Docker que arranca en un comando, probado de punta a punta, para aprender búsqueda full-text con Elasticsearch y OpenSearch, dashboards con Kibana y grafos con Neo4j en Cypher — sobre el mismo conjunto de datos, con cada consulta verificada y una lección completa de resolución de problemas.
Terraform en la práctica: de la primera recurso local a multi-cloud
Terraform aprendido haciéndolo: nueve proyectos guiados paso a paso desde local a multi-cloud. Bucket S3, sitio estático, Security Group, usuario IAM, repositorio GitHub, variables, state, módulos y flujo en equipo. Teoría breve con documentación HashiCorp, quiz corregido, destrucción limpia por proyecto.
Monitoreo y observabilidad: Prometheus, Grafana, logs, métricas y alertas
Supervisa una aplicación que corre en tu máquina con Prometheus, Alertmanager, Grafana, Loki y Alloy en Docker Compose, alrededor de una API instrumentada de punta a punta. Métricas, PromQL, tableros de control, logs correlacionados, alertas que llegan de verdad, y un proyecto final. Cada comando seguido de su salida real, una práctica guiada por módulo, un kit de GitHub verificado.
7 documentos para descargar
Prácticas resueltas, chuletas, programas de curso, conjuntos de datos. Por unidad, o sin límite con la suscripción.
Un itinerario pensado por un profesor, no montado por un algoritmo
Cada lección se impartió en un aula antes de publicarse. Lo que lees es el registro de un curso real, corregido a medida que la tecnología cambia.
Estructurado como un curso de verdad
Módulos ordenados, requisitos explícitos, ejercicios con su solución. Nunca se salta de la teoría a la producción sin las tres etapas intermedias.
Texto, código y esquemas
Los comandos se copian, los esquemas se abren en grande, los diagramas Mermaid se releen y una búsqueda te devuelve al punto exacto. Material técnico de verdad, no una presentación.
Corregido en cada actualización
Kubernetes deja obsoleta una API, Terraform cambia de sintaxis: la lección se corrige en un minuto. Eso distingue un curso vivo de uno que envejeció antes de publicarse.