🔥 · Curso 5 de 6 · Práctica
De tu primer tensor a un proyecto real de predicción de precios — con outputs reales ejecutados en PyTorch, no fragmentos sueltos. Aprenderás tensores, autograd, entrenamiento, GPU, CNNs, transfer learning y técnicas pro para llegar a un proyecto de principio a fin.
Python básico (variables, funciones, listas). Te recomendamos haber visto Redes neuronales paso a paso para tener el "qué" antes del "cómo".
📘 Tier básico · El panorama y los tensores
Tensores, autograd, GPU — el panorama de la herramienta.
Crear, tipos, shape, indexar — los bloques básicos.
Aritmética, broadcasting, matmul.
requires_grad, backward, el grafo computacional.
📗 Tier intermedio · Modelos y entrenamiento
Armar una red con nn.Linear, la forma "PyTorch".
nn.ReLU, MSELoss, CrossEntropy — cuándo usar cada una.
SGD, Adam y el training loop básico.
Lotes, shuffling y trabajar con datos reales.
train/val loop, guardar modelos, métricas.
📙 Tier avanzado · GPU, regularización y proyecto final
.to(device), por qué la GPU acelera y cuándo importa.
dropout, weight decay, BatchNorm.
Conv2d y pooling para imágenes.
Reusar modelos preentrenados — el truco más útil.
schedulers, gradient clipping, capas custom.
Predicción tabular, de principio a fin. Cierre del curso.