Una colección curada de los mejores materiales gratuitos y de pago para adentrarse en el campo de la inteligencia artificial, desde cero hasta nivel avanzado.
Para quienes empiezan desde cero
Para quienes programan en Python
Para graduados y académicos
Aurélien Géron · O'Reilly Media, 3ª ed. 2022
Técnico — Nivel intermedio · El libro más recomendado para aprender machine learning aplicado en Python. Cubre desde conceptos básicos hasta redes neuronales profundas con ejemplos prácticos y código real. Imprescindible para quien quiere hacer la transición a un rol técnico en IA.
Goodfellow, Bengio, Courville · MIT Press, 2016
Técnico — Nivel avanzado · El texto de referencia académica del deep learning. Riguroso matemáticamente. Cubre fundamentos teóricos, arquitecturas y técnicas de optimización. Disponible gratuitamente en deeplearningbook.org.
Russell & Norvig · Pearson, 4ª ed. 2020
Técnico — Nivel avanzado · El manual universitario de IA más usado en el mundo. Cubre todas las áreas del campo: búsqueda, lógica, aprendizaje, percepción, actuación y ética. Ideal como referencia enciclopédica.
Brian Christian · W.W. Norton, 2020
Divulgativo — Todos los niveles · Exploración accesible y profunda de cómo hacer que los sistemas de IA hagan lo que realmente queremos. Mezcla reportaje periodístico con análisis técnico. Esencial para entender los desafíos de seguridad en IA.
Stuart Russell · Viking Press, 2019
Divulgativo — Todos los niveles · El creador del manual universitario de IA más influyente del mundo argumenta por qué la IA actual va en la dirección equivocada y propone una nueva arquitectura para sistemas benignos.
Agrawal, Gans, Goldfarb · Harvard Business Review Press, 2018
Divulgativo — Nivel empresarial · Marco conceptual accesible para entender cómo la IA afecta a la toma de decisiones empresariales. No requiere conocimiento técnico. Recomendado especialmente para gerentes y ejecutivos.
Andrew Ng · DeepLearning.AI / Coursera
El punto de entrada recomendado para la mayoría de personas. Claro, accesible, con buena base matemática y proyectos prácticos en Python.
Jeremy Howard · fast.ai
Enfoque top-down que va de proyectos prácticos a teoría. Excelente para quienes aprenden mejor construyendo cosas.
Stanford Online
El curso de ML de Stanford, con el rigor matemático universitario. Videos disponibles en YouTube. Difícil pero muy valorado en la industria.
DeepLearning.AI / Coursera
Cuatro cursos que cubren desde embeddings de palabras hasta modelos de atención y transformers. Muy aplicado y actualizado.
Harvard OpenCourseWare
Introducción accesible a la IA con Python de Harvard. Ideal como primer contacto técnico antes de cursos más avanzados.
Hugging Face
Aprende a usar la plataforma y biblioteca más importante del ecosistema open-source de IA. Muy práctico y actualizado constantemente.
UC Berkeley / FSDL
Cubre el ciclo completo: entrenamiento, evaluación, deployment y monitoreo. Enfocado en aplicaciones production-ready.
Introducción rápida al ML de Google. Conciso, bien estructurado y con ejercicios interactivos usando TensorFlow y Keras.
La arquitectura Transformer. El paper que cambió todo en IA.
DQN: el inicio de la era del RL con deep learning.
AlexNet: el paper que revivió el deep learning.
La base de los modelos de lenguaje bidireccionales.
El paper original de los GANs.
Newsletter semanal de Andrew Ng. Resumen de los papers y noticias más relevantes de la semana. Gratuito.
Newsletter técnico y perspicaz sobre los avances en IA. Muy seguido en la comunidad investigadora.
Publicación con cientos de artículos prácticos de Machine Learning, Python y ciencia de datos publicados por practicantes.
Comunidad de 2.8M de miembros. Los investigadores publican sus papers aquí. Excelente para seguir los avances en tiempo real.
Base de datos de papers de ML con código de implementación disponible. Imprescindible para reproducir resultados.
Foros oficiales de HF donde la comunidad discute sobre modelos, fine-tuning y deployment.