Guías para operar con IA

De dónde vienes

Excel o Power BI

Este no lo enseño yo y no hace falta que lo domines. Si ya armaste una tabla dinámica o un gráfico para una reunión, tienes lo que hay que tener: saber qué le quieres preguntar a unos datos. Lo demás es aprender a preguntárselo a más datos.

Empieza acá

Fundamentos de inteligencia artificial · 20 capítulos, 120 ejercicios

Porque es el único que se lee sin haber abierto una terminal en la vida: quince capítulos y un solo bloque de código. Acá te cuento qué es la IA por dentro, qué se le puede pedir y qué no, y cómo se lleva un proyecto de estos sin que se caiga. Si ya programas, sáltatelo y arranca en SQL.

Sales sabiendo qué hace un modelo por dentro, qué pedirle a una IA y cómo ordenar un proyecto de datos de principio a fin

Acá empieza el código

SQL desde cero · 23 capítulos, 161 ejercicios

Porque es el que antes se paga solo. Con SQL sacas tú los datos que hoy le pides a alguien, y en una entrevista de analista es lo primero que te van a preguntar. Además es el primero con código y aun así no necesita que sepas programar.

Sales sabiendo consultar, unir tablas, agrupar y entender por qué una consulta se demora

Python desde cero · 17 capítulos, 171 ejercicios

Va antes que estadística por un motivo concreto y no por gusto: los tres libros que siguen están escritos en Python. Si llegas a estadística sin esto, el primer pd.read_csv te frena.

Sales sabiendo limpiar un archivo sucio, pandas, gráficos y sacar una conclusión de unos datos

Estadística desde cero · 23 capítulos, 172 ejercicios

Es el que separa a quien saca números de quien sabe si esos números quieren decir algo. Sin esto, machine learning se convierte en copiar código y cruzar los dedos.

Sales sabiendo intervalos de confianza, pruebas de hipótesis y por qué una diferencia puede ser casualidad

Matemática para machine learning · 21 capítulos, 61 ejercicios

Va acá porque estadística te dio la probabilidad y los dos que siguen usan otra matemática que nunca se explica: álgebra lineal, cálculo y optimización. Es el que puedes saltarte y volver después, cuando en machine learning te topes con un párrafo que te suene a magia.

Sales sabiendo qué es un vector, qué mide una derivada y qué está haciendo el descenso de gradiente por dentro

Machine learning desde cero · 29 capítulos, 197 ejercicios

Acá se junta todo lo anterior. Es el libro más largo de todos, así que se llega con los de antes hechos.

Sales sabiendo entrenar, validar de verdad, medir con la métrica que toca y explicar el modelo

Deep learning desde cero · 22 capítulos, 149 ejercicios

El último a propósito. Es lo que más suena y lo que menos falta hace al principio: casi todo se resuelve en los pasos anteriores. Cuando llegues acá vas a saber cuándo hace falta una red y cuándo no.

Sales sabiendo redes desde la neurona hasta los transformers, y de ahí a los LLM