Un programa no aprende por arte de magia; modifica su comportamiento tras analizar ejemplos, y esa idea constituye el núcleo de la IA moderna. Este curso ofrece una explicación accesible sobre el entrenamiento, la calidad de los datos, las redes neuronales, los modelos de lenguaje y sus posibles fallos, para que puedas evaluar con mayor criterio las afirmaciones sobre la IA. Está dirigido a principiantes que buscan comprender los conceptos antes de abordar las matemáticas y desarrollar un criterio sólido antes de construir modelos.
El curso abarca el aprendizaje a partir de ejemplos, el ciclo de entrenamiento y cómo los datos deficientes generan sesgos, ruido, falta de cobertura y fugas de información. También aborda las redes neuronales como sistemas de detección de patrones organizados en capas, la generalización y el sobreajuste, los modelos de lenguaje que predicen los siguientes *tokens*, así como modos de fallo comunes como las alucinaciones, la fragilidad, el cambio de distribución y la sensibilidad a las instrucciones (*prompts*).