¿Sabías que muchas de las aplicaciones que usamos a diario funcionan gracias al aprendizaje automático? Desde los filtros de correo hasta las recomendaciones en plataformas de streaming, todo se apoya en esta rama de la inteligencia artificial. Para entender mejor cómo funciona, quiero contarte sobre un curso gratuito de la Universidad de Duke que está disponible en Coursera.
Una mirada sencilla al aprendizaje automático
Este curso arranca explicando los modelos más básicos de aprendizaje automático. En los primeros módulos se presentan la regresión logística y los perceptrones multicapa, siempre con ejemplos prácticos y explicaciones claras. No es necesario perderse en fórmulas complicadas para captar la idea: aquí lo importante es comprender cómo los algoritmos aprenden de los datos.
Además, los instructores dedican tiempo a temas actuales como el aprendizaje profundo y cómo se relaciona con redes más simples. El curso está pensado para quienes ya tienen cierta experiencia previa en programación o ciencias de datos, por eso se considera de nivel intermedio.
Contenidos que marcan la diferencia
Los módulos del curso no se quedan en la teoría. A lo largo de seis bloques se abordan distintas áreas del aprendizaje automático:
- Introducción y conceptos básicos
- Fundamentos matemáticos de modelos profundos
- Redes convolucionales para análisis de imágenes
- Redes recurrentes y procesamiento del lenguaje natural
- Transformadores y modelos modernos de secuencias
- Aprendizaje por refuerzo
En cada tema hay videos, lecturas y laboratorios prácticos que se pueden realizar con PyTorch. Esta combinación permite aplicar lo aprendido en problemas reales, desde análisis de imágenes médicas hasta el entendimiento de texto. Si quieres explorar más opciones, puedes ver otros cursos de programación en el blog.
Aspectos clave que conviene conocer
El curso tiene una duración flexible: puede completarse en tres semanas dedicando unas 10 horas semanales, aunque cada estudiante marca su ritmo. En total son 6 módulos, 24 tareas y laboratorios prácticos sin calificar que ayudan a practicar.
Para visualizar mejor la estructura, aquí un resumen en tabla:
| Módulo | Tema principal | Recursos incluidos |
|---|---|---|
| 1 | Introducción sencilla al aprendizaje automático | 23 videos, 3 lecturas, 10 tareas |
| 2 | Fundamentos del aprendizaje por modelos | 6 videos, 3 tareas, 2 laboratorios |
| 3 | Redes convolucionales e imágenes | 8 videos, 4 tareas, 2 laboratorios |
| 4 | Redes recurrentes y PLN | 13 videos, 4 tareas, 2 laboratorios |
| 5 | Transformadores en PLN | 12 videos |
| 6 | Aprendizaje por refuerzo | 10 videos, 1 lectura, 3 tareas |
Los instructores pertenecen a la Universidad de Duke y cuentan con amplia experiencia en el área. Entre ellos destacan Lawrence Carin, David Carlson y Timothy Dunn. La calificación promedio del curso es de 4.7 estrellas, con más de 3,700 reseñas.
Si quieres mantenerte al día con más recursos de este tipo, también puedes unirte al canal de Telegram o seguir la página de Facebook.
Formas de unirte y comenzar hoy
La inscripción es gratuita y solo necesitas una cuenta en Coursera. El curso se encuentra en inglés, pero incluye subtítulos en 22 idiomas, entre ellos el español. Al finalizar, es posible obtener un certificado para compartir en LinkedIn, aunque eso depende de si decides optar por la modalidad de pago o te quedas con la versión libre.
👉 Empieza el curso ahora mismo y experimenta con modelos que ya utilizan empresas como Google o NVIDIA.
