Keras 3 es un framework de deep learning que funciona con JAX, TensorFlow, PyTorch u OpenVINO para inferencia.
microsoft/AI-For-Beginners
Un plan de estudios de IA para principiantes de Microsoft, de 12 semanas y 24 lecciones, que abarca IA simbólica, redes neuronales, visión por computadora, NLP y ética, con notebooks en PyTorch y TensorFlow.
- Estrellas
- 70,058
- Forks
- 13,589
- Issues abiertos
- 24
- Último commit
- el mes pasado
¿Qué es?
AI For Beginners es un curso estructurado que introduce la inteligencia artificial desde sus raíces simbólicas hasta el deep learning moderno. Se organiza en 24 lecciones a lo largo de 12 semanas, agrupadas en secciones sobre IA simbólica, fundamentos de redes neuronales, visión por computadora, procesamiento del lenguaje natural, otras técnicas como algoritmos genéticos y deep reinforcement learning, y ética de la IA.
Cada lección incluye material de lectura previa, notebooks de Jupyter que normalmente están disponibles tanto en PyTorch como en TensorFlow, y laboratorios opcionales. Los cuestionarios se ofrecen mediante una aplicación independiente. El curso está dirigido a principiantes y no aborda en profundidad el machine learning clásico, las aplicaciones empresariales de la IA ni Cognitive Services; para esos temas, remite a otros recursos de Microsoft Learn.
El repositorio está disponible en decenas de idiomas y se puede ejecutar localmente, en VS Code o en un GitHub Codespace.
Funciones clave
- 0124 lecciones a lo largo de 12 semanas que abarcan la IA, desde los métodos simbólicos hasta el deep learning moderno.
- 02Notebooks de Jupyter disponibles en versiones para PyTorch y TensorFlow en muchas lecciones.
- 03Laboratorios sobre temas seleccionados, como perceptrones, CNN y deep reinforcement learning.
- 04Contenido sobre visión por computadora, NLP, transformers, LLM y modelos generativos como GAN.
- 05Una lección dedicada a la ética de la IA y a la IA responsable.
- 06Traducido a decenas de idiomas.
Casos de uso
- Un desarrollador con poca experiencia en IA que busca una ruta estructurada para aprender sobre redes neuronales.
- Un docente que prepara un curso introductorio de IA para un semestre y quiere usar notebooks y laboratorios listos para usar.
- Un estudiante que compara implementaciones del mismo modelo en PyTorch y TensorFlow.
- Alguien que quiere estudiar CNN, transfer learning o GAN con código ejecutable.
Inicio rápido
- 1
Clona el repositorio sin las traducciones (sparse checkout).
git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git - 2
Accede a la carpeta del proyecto.
cd AI-For-Beginners - 3
Limita el checkout al contenido del curso (Bash, macOS o Linux).
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' - 4
Sigue la guía de configuración de lessons/0-course-setup para ejecutar los notebooks.
Antes de usarlo
- El plan de estudios no trata en profundidad el aprendizaje automático clásico, los casos de uso de IA en empresas ni Cognitive Services.
- Puede estar algo desactualizado respecto al estado del arte de los modelos más recientes.
- El repositorio con todas las traducciones es grande, por lo que se recomienda un sparse checkout.
Temas
Preguntas frecuentes
- ¿Qué es AI-For-Beginners?
- Un plan de estudios de IA para principiantes de Microsoft, de 12 semanas y 24 lecciones, que abarca IA simbólica, redes neuronales, visión por computadora, NLP y ética, con notebooks en PyTorch y TensorFlow. AI For Beginners es un curso estructurado que introduce la inteligencia artificial desde sus raíces simbólicas hasta el deep learning moderno. Se organiza en 24 lecciones a lo largo de 12 semanas, agrupadas en secciones sobre IA simbólica, fundamentos de redes neuronales, visión por computadora, procesamiento del lenguaje natural, otras técnicas como algoritmos genéticos y deep reinforcement learning, y ética de la IA.
- ¿AI-For-Beginners es gratuito? ¿Qué licencia tiene?
- AI-For-Beginners es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿AI-For-Beginners sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de AI-For-Beginners fue el 16 sept 2026.
- ¿Para qué puedo usar AI-For-Beginners?
- Un desarrollador con poca experiencia en IA que busca una ruta estructurada para aprender sobre redes neuronales. Un docente que prepara un curso introductorio de IA para un semestre y quiere usar notebooks y laboratorios listos para usar. Un estudiante que compara implementaciones del mismo modelo en PyTorch y TensorFlow. Alguien que quiere estudiar CNN, transfer learning o GAN con código ejecutable.
- ¿Cómo se instala AI-For-Beginners?
- Clona el repositorio sin las traducciones (sparse checkout).: git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git Accede a la carpeta del proyecto.: cd AI-For-Beginners Limita el checkout al contenido del curso (Bash, macOS o Linux).: git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' Sigue la guía de configuración de lessons/0-course-setup para ejecutar los notebooks.
- ¿Dónde consigo AI-For-Beginners?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/microsoft/AI-For-Beginners
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Visor de modelos de redes neuronales, deep learning y machine learning, compatible con ONNX, TensorFlow, PyTorch, Core ML y muchos otros formatos.
Código complementario del libro Build a Large Language Model (From Scratch) para implementar paso a paso un LLM similar a GPT en PyTorch.
Framework para definir modelos de aprendizaje automático de última generación de texto, visión, audio y modalidades múltiples, para inferencia y entrenamiento.
Open Source Computer Vision Library: biblioteca de C++ de procesamiento de imágenes y algoritmos de visión artificial, con bindings para varios lenguajes.
Ultralytics YOLO es una biblioteca de Python para visión artificial que abarca detección, segmentación, clasificación, estimación de pose, seguimiento y más.