









Desde una estación de trabajo vacía hasta una aplicación desplegada automáticamente, monitoreada y reproducible: Git, Jenkins, Docker, Kubernetes, Helm, Ansible, Terraform y observabilidad.
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.
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.
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.
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.
¡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.
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.
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 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.
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.