Herramientas gratuitas para aprender y practicar ML engineering: un curso de teoría y un dojo de práctica, sin cuenta, sin conexión, en español.
El curso de teoría de TrueML: ML engineering desde cero, para entenderlo de verdad. Diagramas, calculadoras para jugar con los números, ejercicios con solución y un glosario que se abre sin salir de la página.
Es un curso que se basa en entrenar cada paso del diseño de un sistema de ML, desde el dato hasta el monitoreo en producción. Cada estación es un mini-proyecto que construyes con Claude Code, rehaces solo y arreglas cuando se rompe.
Curso y simulador de ML System Design: lo que rodea al modelo en producción (serving, datos, evaluación, monitoreo, costo), con casos resueltos, práctica cronometrada de 45 minutos, rúbrica y flashcards.
Abrir el curso →Nueve hojas con PDF y versión web: estimaciones, Docker (con laboratorio completo), Kubernetes, Git y Actions, Triton, FastAPI, Prometheus, vLLM y el recorrido «Del dato a producción». Con diagnosticadores y revisores que corren en tu navegador.
Ver las hojas →Los modelos que preguntan en entrevistas, a nivel 2: diagrama de bloques, matemáticas, dimensiones, parámetros y FLOPs con la cuenta a la vista (ViT, CLIP, DETR, SAM, LLMs, difusión, VLA, PPO).
Explorar el atlas →El entrenamiento completo de un transformer pequeño, operación por operación: forward, pérdida, backward y actualización, con cada matriz, su fórmula y sus dimensiones. Se calcula en tu navegador.
Abrir el laboratorio →Un mapa de metro por proyecto, del dato al monitoreo, con criterios de entrada y cálculos que se verifican. Prueba la demo (en inglés) con un proyecto de ejemplo: lo que edites se queda en tu navegador.
Probar la demo →Lee la lección de cada paso en Sensei, con su glosario a la mano, y después practícalo en el dojo, estación por estación.
Empieza por el curso y repasa con las hojas de estimaciones, Docker y Kubernetes.
Entrena el transformer paso a paso y sigue con el atlas de arquitecturas.
Esto lo hago una persona y mejora con lo que me cuentas. Si encuentras un error, algo confuso o una hoja que te falta, abre un comentario en GitHub (necesitas una cuenta gratuita) y lo reviso.