🔥Últimos cupos🔥 para la cohorte de Full Stack que comienza el 7/09 → Aplica ahora
30 artículos

Hay un momento muy concreto en el que alguien deja de "estudiar" Machine Learning y empieza a hacerlo: cuando entrena su primer modelo y lo ve predecir algo, aunque sea sobre datos simples. Ese momento no requiere semanas de matemática avanzada. Requiere Python, una librería llamada scikit-learn y entender un flujo de cinco pasos que se repite en la enorme mayoría de los proyectos de Machine Learning. En esta nota te explicamos, paso a paso, cómo construir tu primer modelo desde cero. Qué es

Un equipo quiere que su modelo de IA responda con datos actualizados de la empresa, y decide entrenarlo de nuevo con esa información. Semanas de trabajo y mucho presupuesto después, el modelo sigue sin poder citar el precio de ayer, porque nadie reentrena un modelo todas las semanas. Ese error —usar fine-tuning para resolver un problema de conocimiento— es uno de los más caros y más comunes en proyectos de IA. En esta nota te explicamos qué resuelve cada técnica, cuándo conviene cada una y, sobr

Asignar un rol, dar contexto, especificar detalladamente la tarea, indicar formato de salida; son condiciones necesarias para un prompt, pero no suficientes. Lo que de verdad marca la diferencia es más sutil: qué técnicas funcionan según la tarea, por qué los modelos de razonamiento se promptean distinto que los clásicos, y cómo cambia el prompt ideal según la herramienta que uses. En esta nota te explicamos todo esto, con ejemplos, para que aprendas a construir prompts efectivos. Qué es (y qué

Cada vez que alguien compara Make y n8n termina en la misma pregunta: ¿cuál es mejor? Y esa es, justamente, la pregunta equivocada. Las dos son excelentes, las dos conectan tus aplicaciones y las dos te ahorran horas de trabajo repetitivo. La diferencia real no está en cuál gana una tabla de features, sino en cuál encaja mejor con lo que tú quieres hacer. En esta nota te explicamos cómo tomar esa decisión según tu objetivo, tu presupuesto y hasta dónde quieras llegar con la IA. Make y n8n son p

Un chatbot responde una pregunta y se detiene. Un agente de IA, en cambio, puede razonar, decidir usar una herramienta, ver el resultado y seguir hasta resolver una tarea completa. Ese salto —de responder a actuar— es una de las habilidades más buscadas hoy en AI Engineering, y LangGraph es uno de los frameworks que lo hace posible. En esta nota te explicamos, paso a paso, cómo crear tu primer agente de IA con LangGraph en Python, desde qué es un agente hasta cómo ejecutarlo. Qué es un agente d

Armar el mismo reporte todas las semanas —copiar datos de una planilla, resumirlos, darles formato y enviarlos por correo— es de esas tareas que consumen horas y no dejan nada nuevo aprendido. La buena noticia es que se puede delegar por completo a un flujo automático que corre solo. En esta nota te contamos cómo construir, paso a paso, una automatización que toma tus datos, redacta el reporte con ChatGPT y lo entrega sin que toques nada, usando n8n como orquestador. Qué es n8n y por qué combin

Imagina poder preguntarle a un chatbot por las políticas internas de tu empresa, el contenido de un manual extenso o los datos de un catálogo de productos, y recibir una respuesta basada en información real, no inventada por el modelo. Esa combinación es posible gracias al RAG (Retrieval-Augmented Generation), una técnica que conecta un modelo de lenguaje con tus propios documentos. En esta guía vas a ver, paso a paso, cómo construir un chatbot de este tipo desde cero. Qué es RAG y por qué lo n

Te contamos el secreto.

Sigue leyendo.

Aprende más con esta clase de Cami Manera.

Profundiza con esta charla.

Aprende los conceptos básicos con esta guía.