De cero a Ingeniero de IA: La hoja de ruta

El error de $300 al mes

Hace seis meses pagaba $49/mes por Coursera Plus, $39/mes por DataCamp y había gastado $199 en dos paquetes de Udemy. Coleccionaba certificados como si fueran cartas Pokémon y no podía construir nada desde cero.

Entonces encontré algo que lo cambió todo: las empresas que realmente construyen IA — Google, Anthropic, OpenAI — habían empezado a regalar su formación. No videos introductorios rebajados. Cursos completos con certificados. Mientras tanto, GitHub tenía repositorios con más de 95,000 estrellas que enseñaban mejor que cualquier curso que hubiera pagado.

Cancelé todas las suscripciones. Construí un agente de IA que gestiona mi rutina matutina. Y lo hice todo por $0.

Este artículo es el sistema exacto que me hubiera gustado tener cuando empecé. No es una lista de enlaces. No es "30 recursos que nunca abrirás". Es un camino paso a paso: haz esto primero, luego esto, luego construye esto. Síguelo en orden. En 14 semanas, pasarás de cero a implementar sistemas de IA reales.

Cómo usar esta guía

Regla 1: No te saltes pasos. El paso 3 asume que has hecho el paso 2. Si saltas a los LLM sin entender los gradientes, estarás copiando código que no entiendes.

Regla 2: Toma notas. Yo uso Obsidian (gratuito, local, markdown). Después de cada sesión, escribe tres cosas: lo que aprendiste, lo que te sorprendió, lo que aún no te queda claro. Esto no es negociable.

Regla 3: Construye en cada paso. Cada paso termina con un punto de control. Si no puedes hacerlo, retrocede.

Configura esta estructura de carpetas en Obsidian antes de empezar:

Paso 1: Configura tu entorno (Día 1)

Antes de aprender nada, configura tus herramientas. Una tarde. No le des muchas vueltas.

Instala tus herramientas

1. Python 3.11+ - python.org/downloads. Marca "Agregar a PATH".
2. VS Code - code.visualstudio.com. Instala la extensión de Python.
3. Git + GitHub - github.com. Para bifurcar repositorios y guardar proyectos.
4. Obsidian - obsidian.md. Crea la estructura de carpetas de arriba.
5. Ollama - ollama.com. Para ejecutar modelos localmente. Instálalo ahora, lo usarás a partir del Paso 4.

Crea tus cuentas gratuitas

1. Anthropic Academy - anthropic.skilljar.com. 16 cursos gratuitos con certificados. La plataforma de aprendizaje de IA más infravalorada en 2026.
2. OpenAI Academy - academy.openai.com. Talleres gratuitos, tutoriales, curso de Fundamentos de IA.
3. Google AI - grow.google/ai. Certificado Profesional de Google AI — 7 módulos, gratis mediante auditoría de Coursera.
4. Coursera - coursera.org. Modo auditoría = gratis. Para el Certificado de ML de IBM y los cursos de Google.

Modo auditoría en Coursera

Cuando Coursera te pida que pagues, busca el pequeño enlace "Auditar este curso" en la parte inferior. Acceso completo a todos los videos y materiales, gratis. Sin certificado de Coursera, pero obtendrás certificados directamente de Anthropic, OpenAI y Google.

PUNTO DE CONTROL:

Python + VS Code + Ollama instalados. Cuenta de GitHub creada. Bóveda de Obsidian lista. Cuentas en Anthropic Academy, OpenAI Academy, Google AI y Coursera.

Paso 2: Fundamentos de IA - Entiende lo que estás construyendo (Semanas 1–2)

Por qué esto importa en 2026:

La alfabetización en IA es ahora un filtro de contratación. Un análisis del WEF de 2025 encontró que los trabajadores con conocimientos de IA obtienen primas salariales del 15–22%. Entender los fundamentos te coloca por delante del 90% de los solicitantes.

Semana 1: El panorama general

Primero → Certificado Profesional de Google AI (Módulos 1–3)

grow.google/ai-professional - La rampa de acceso más suave. Sin código. Cubre: qué es la IA, lluvia de ideas con IA, investigación con IA. Te da el vocabulario.

Luego → Anthropic Academy: Fluidez en IA: Marco y Fundamentos

anthropic.skilljar.com - El Marco de Fluidez en IA 4D. Co-desarrollado con profesores universitarios. Toma 2–3 horas. Este es uno de los mejores cursos introductorios disponibles en cualquier lugar en 2026, y el certificado realmente se ve bien en LinkedIn — es de Anthropic, la empresa detrás de Claude.

Semana 2: Primer código + primeros conceptos

Luego → microsoft/generative-ai-for-beginners (Lecciones 1–6)

github.com/microsoft/generative-ai-for-beginners - Más de 95,000 estrellas. 21 lecciones. Bifurca este repositorio y trabaja en las lecciones 1–6: qué es GenAI, cómo funcionan los LLM, uso de prompts, primera aplicación de chat.

PUNTO DE CONTROL:

Puedes explicar LLM, tokens y transformers con tus propias palabras. Los primeros cuadernos de Jupyter se ejecutan. Obsidian tiene 4–6 notas.

Paso 3: Fundamentos de ML - Aprende las matemáticas detrás de la magia (Semanas 3–5)

Por qué esto importa en 2026:

Los fundamentos de ML son la diferencia entre alguien que copia tutoriales y alguien que depura modelos. Las empresas pagan más de $150K por ingenieros que entienden por qué un modelo tiene bajo rendimiento, no solo cómo llamar a una API.

Principal: microsoft/ML-For-Beginners

github.com/microsoft/ML-For-Beginners - Más de 44,900 estrellas. Plan de estudios de 12 semanas: regresión, clasificación, clustering, fundamentos de PLN. Cuestionarios, cuadernos, desafíos. Lo comprimimos a 3 semanas a 2 lecciones/día.

Paralelo: IBM Machine Learning en Coursera

coursera.org/professional-certificates/ibm-machine-learning - Modo auditoría gratis. Formato de video más tradicional. Úsalo junto con el repositorio de Microsoft — dos ángulos sobre el mismo tema = mejor retención.

Referencia de matemáticas: mlabonne/llm-course (Fundamentos)

github.com/mlabonne/llm-course — Más de 40K estrellas. Primera sección: álgebra lineal, cálculo, probabilidad. Solo las matemáticas relevantes para ML. Consúltalo cada vez que te encuentres con algo desconocido.

Proyecto de la Semana 5: Elige un conjunto de datos del repositorio de Microsoft. Construye tu propio modelo de clasificación desde cero. Súbelo a GitHub.

PUNTO DE CONTROL:

Entiendes regresión, clasificación, clustering, descenso de gradiente, funciones de pérdida, sobreajuste. Has entrenado un modelo con datos reales. Un proyecto en GitHub.

Paso 4: Deep Learning y Redes Neuronales - Construye desde cero (Semanas 6–8)

Principal: karpathy/nn-zero-to-hero

karpathy.ai/zero-to-hero.html (videos) + github.com/karpathy/nn-zero-to-hero (código)

Andrej Karpathy, ex Director de IA en Tesla, cofundador de OpenAI. Él construye redes neuronales desde cero absoluto — sin frameworks, solo Python y matemáticas. Tú construyes: micrograd, makemore y nanoGPT.

1. Semana 6: Clases 1–3 (micrograd + makemore). Sigue el código. Pausa, escribe cada línea, ejecútala, rómpela.
2. Semana 7: Clases 4–5 (activaciones, BatchNorm, retropropagación). Intensivo — una clase por día. Notas detalladas.
3. Semana 8: Clases 6–7 (GPT desde cero + tokenización). La recompensa: construyes un transformer.

Experimento paralelo con Ollama:

Mientras construyes nanoGPT, ejecuta ollama run llama3.2:3b en otra terminal. Compara la salida de tu modelo "de juguete" con un modelo real de 3B parámetros. Esto cierra la brecha entre "entiendo la teoría" y "puedo ejecutar modelos localmente". Es revelador ver lo que 3 mil millones de parámetros vs. tus 10 millones hacen en la calidad de la salida.

Suplemento: microsoft/AI-For-Beginners (Deep Learning)

github.com/microsoft/AI-For-Beginners - Semanas 7–12: CNN, RNN. Expande más allá de Karpathy, especialmente para visión por computadora.

Puente a las APIs: Anthropic Academy - Construyendo con la API de Claude

anthropic.skilljar.com - Ahora que entiendes los modelos desde adentro, aprende a usarlos mediante API. Cubre autenticación, prompts de sistema, uso de herramientas, streaming. El puente de la teoría al producto.

PUNTO DE CONTROL:

Has construido una red neuronal desde cero. Entiendes retropropagación, atención, transformers. Puedes explicar cómo funciona GPT. Puedes ejecutar modelos localmente con Ollama. Conoces la API de Claude.

Paso 5: LLM e Ingeniería de Prompts - Trabaja con modelos reales (Semanas 9–10)

Inmersión profunda: mlabonne/llm-course (Ruta de Científico de LLM)

github.com/mlabonne/llm-course - El plan de estudios gratuito de LLM más completo. Cuadernos de Colab para cada tema.

1. Arquitectura de LLM - se conecta con lo que construiste con Karpathy
2. Ajuste fino (LoRA, QLoRA) - personaliza modelos para tareas específicas
3. Cuantización - ejecuta modelos localmente (se conecta con tu configuración de Ollama)
4. Evaluación - mide si tu modelo es realmente bueno

Ingeniería de Prompts

OpenAI Academy: academy.openai.com/public/content - "Introducción a la Ingeniería de Prompts" y "ChatGPT para cualquier rol" del equipo que construyó ChatGPT.

Anthropic Prompt Engineering: docs.anthropic.com - Posiblemente la guía de ingeniería de prompts mejor escrita en internet. No es un curso — es una referencia profundamente detallada.

Continuación: microsoft/generative-ai-for-beginners (Lecciones 7–21)

Vuelve y termina las lecciones 7–21. Con conocimiento profundo, estas lecciones avanzadas cobran sentido: RAG, llamadas a funciones, patrones de diseño, ajuste fino.

Proyecto de la Semana 10: Construye un RAG sobre tus notas de Obsidian

Usa ChromaDB o LanceDB (ambos gratuitos, ambos locales) para indexar tu bóveda de Aprendizaje de IA. Construye una herramienta que responda preguntas sobre todo lo que has aprendido. Literalmente estás construyendo un segundo cerebro sobre tu segundo cerebro. Súbelo a GitHub.

Paso 6: Agentes de IA - Construye algo real (Semanas 11–12)

Principal: microsoft/ai-agents-for-beginners

github.com/microsoft/ai-agents-for-beginners - 12 lecciones: uso de herramientas, memoria, sistemas multiagente, orquestación.

Inmersión profunda: Anthropic Academy - Cursos de MCP

anthropic.skilljar.com - "Introducción al Protocolo de Contexto de Modelo" + "MCP: Temas Avanzados". MCP es el estándar abierto de Anthropic para conectar IA a herramientas externas — el estándar de 2026 para el uso de herramientas por agentes. Estos cursos te enseñan a construir servidores y clientes MCP desde cero.

Framework: LangGraph (de LangChain)

Dedica 2–3 sesiones a LangGraph en cuadernos gratuitos de Colab. Es el framework más popular para construir flujos de trabajo de agentes con estado y múltiples pasos. Complementa el enfoque de MCP de Anthropic — LangGraph para orquestación, MCP para conexiones de herramientas.

Bonus: Anthropic Cookbook

docs.anthropic.com/en/docs/about-claude/use-case-guides - Los mejores ejemplos del mundo real de uso de herramientas y patrones MCP. Estúdialos como casos de estudio.

Proyecto final de agente:

Construye un agente que use MCP + Claude para trabajar con tus archivos locales. Ejemplo: un agente que lea tu bóveda de Obsidian, revise la web en busca de actualizaciones sobre temas que estás estudiando y genere un resumen diario a tu Telegram. Consulta mi artículo "Construí un agente de IA que gestiona mi vida" para la arquitectura.

PUNTO DE CONTROL:

Has construido un agente de IA funcional con MCP. Entiendes la arquitectura de agentes, el uso de herramientas y los flujos de trabajo de múltiples pasos. Tu portafolio crece.

Paso 7: Producción, Portafolio e IA Responsable (Semanas 13–14)

Despliega (todo gratis)

Toma tu mejor proyecto y despliégalo:

1. Gradio + Hugging Face Spaces - la forma más rápida de compartir una demo de ML. Alojamiento gratuito.
2. Streamlit Community Cloud - para aplicaciones centradas en datos. Nivel gratuito.
3. Vercel - para herramientas de IA basadas en web. Nivel gratuito.

Evalúa tus modelos

Un modelo desplegado sin evaluación es un riesgo. Aprende a medir la calidad:

1. DeepEval - framework de código abierto para evaluación de LLM.
2. RAGAS - específicamente para evaluar pipelines de RAG (tu RAG de Obsidian del Paso 5).
3. LLM-as-Judge - usar un LLM para evaluar las salidas de otro. Claude es excelente para esto.

IA Responsable y Seguridad

Aquí es donde fallan el 90% de las guías gratuitas. Te enseñan a construir, pero no a construir responsablemente.

1. IA Constitucional - entiende cómo se alinean los modelos modernos. El enfoque central de Anthropic.
2. Defensa contra inyección de prompts - cómo proteger tus aplicaciones de entradas adversariales.
3. Red-teaming - cómo poner a prueba tus propios sistemas antes de que lo hagan los usuarios.

Recursos: la guía oficial de seguridad de Anthropic + el curso de IA Responsable en Anthropic Academy.

Portafolio y Carrera

Tu perfil de GitHub ES tu currículum en IA. Así es como hacer que cuente:

1. README de GitHub - README de perfil profesional + READMEs de proyectos con diagramas de arquitectura y enlaces a demos en vivo.
2. Casos de LinkedIn - escribe 2–3 casos de estudio cortos sobre tus proyectos. Qué problema, qué construiste, qué aprendiste.
3. Trayectorias profesionales - Ingeniero de IA Junior ($80–120K) → Ingeniero de Prompts/Agentes ($120–180K) → Ingeniero de Producto de IA ($150–250K).

El Proyecto Final:

Construye un agente de IA de nivel de producción que resuelva un problema real en tu vida. Desplegado. Con un sistema de evaluación. Con controles de seguridad. Esto es lo que muestras a los empleadores. Esto es de lo que tuiteas. Esta es la prueba.

PUNTO DE CONTROL:

Tienes un sistema de IA desplegado, evaluado y verificado en seguridad. Perfil profesional de GitHub. Casos de estudio en LinkedIn. Estás listo para trabajar.

Modo de Mantenimiento: Cómo mantenerse actualizado

La IA avanza rápido. Aquí está el ritual semanal para mantenerse adelante después de terminar la hoja de ruta:

1. Lunes: Revisa las notas de lanzamiento de Anthropic, OpenAI y Google. 10 minutos.
2. Miércoles: Navega por arxiv-sanity-lite en busca de artículos interesantes. Lee 1 resumen. 15 minutos.
3. Viernes: Mira un video de Yannic Kilcher o 1littlecoder sobre un nuevo artículo/herramienta. 20 minutos.
4. Mensual: Construye un pequeño proyecto con una nueva herramienta o técnica. Súbelo a GitHub.

Tiempo total: ~1 hora/semana. Esto te mantiene en el 10% superior de los profesionales de IA.

Cómo se compara esto

Comparación honesta entre esta hoja de ruta y las alternativas:

Lista completa de recursos

Cursos gratuitos (con certificados)

• Anthropic Academy - anthropic.skilljar.com - 16 cursos, certificados gratis

• OpenAI Academy - academy.openai.com - talleres, tutoriales, Fundamentos de IA

• Certificado Profesional de Google AI - grow.google/ai - 7 módulos

• IBM ML en Coursera - modo auditoría gratis - certificado completo de ML

• NVIDIA DLI - developer.nvidia.com/training - GPU y deep learning

• DeepLearning.AI - Cursos cortos de Andrew Ng, especialmente "IA Agentica" y "LangChain para aplicaciones LLM"

Repositorios de GitHub

• microsoft/generative-ai-for-beginners - 95K★ - 21 lecciones de GenAI

• microsoft/ML-For-Beginners - 45K★ - 12 semanas de ML clásico

• microsoft/AI-For-Beginners - 35K★ - 24 lecciones de deep learning y CV

• karpathy/nn-zero-to-hero - redes neuronales desde cero por Andrej Karpathy

• mlabonne/llm-course - 40K★ - hoja de ruta completa de LLM + Colab

• microsoft/ai-agents-for-beginners - 12 lecciones de agentes de IA

• ashishpatel26/500-AI-ML-DL-Projects - más de 500 ideas de proyectos

Herramientas (gratuitas)

• Ollama + Open WebUI - ejecuta modelos localmente, alternativa autogestionada a ChatGPT

• Anthropic Cookbook - docs.anthropic.com - mejores ejemplos de uso de herramientas y MCP

• Curso de Hugging Face (2026) - especialmente las secciones de Agentes y Evaluación

• ChromaDB / LanceDB - bases de datos vectoriales locales gratuitas para proyectos RAG

YouTube (gratuito)

• Andrej Karpathy - Redes Neuronales: De Cero a Héroe

• 3Blue1Brown - redes neuronales y álgebra lineal visualizados

• Yannic Kilcher - desgloses de artículos de IA

• 1littlecoder - últimas herramientas e implementaciones de IA (enfoque 2026)

• Matt Wolfe - noticias de IA y reseñas de herramientas

Empieza esta noche

Esto es exactamente lo que debes hacer en los próximos 60 minutos:

1. Instala Obsidian y crea la bóveda de Aprendizaje de IA. 5 minutos.
2. Regístrate en Anthropic Academy. Empieza Fluidez en IA. Mira el primer módulo. Escribe la primera nota. 30 minutos.
3. Bifurca microsoft/generative-ai-for-beginners en GitHub. Abre la Lección 1. Léela. 20 minutos.

Eso es todo. Tres cosas. Esta noche.

Las personas que realmente aprenderán IA en 2026 no son las que marcan 50 artículos. Son las que abren una terminal y empiezan.

Empecé pagando $300 al mes por cursos que me enseñaban a copiar y pegar código que no entendía. Hoy construyo agentes de IA por diversión y toda la educación me costó $0. Los recursos están ahí. La única pregunta es si empezarás.

por favor sígueme en tg <3 - https://t.me/+y1dBeWEIm_plMGNi