Juan Diego Andrés PRADA··RAMÍREZ Entrar
Lección 1 de 53

Para qué sirve esta página

Este curso usa unas cuarenta palabras que en las noticias suenan a magia y en la práctica son cosas concretas y medibles. Aquí están todas, cada una con un símil de la vida diaria y, al lado, la advertencia de dónde se rompe el símil —porque todo símil se rompe, y saber dónde es la mitad de entender el término.

No hace falta memorizar nada. Se lee una vez y se vuelve cada vez que una palabra estorbe.

Regla del curso: si un término no se puede medir o ejecutar, no se usa. Cada entrada de abajo termina diciendo cómo se ve en la práctica.

El modelo y sus partes

Término Símil Dónde se rompe el símil Cómo se ve en la práctica
Modelo Un empleado nuevo que leyó toda la biblioteca pública pero nunca ha visto la empresa El empleado aprende con el tiempo; el modelo, tal como se descarga, no aprende nada de lo que usted le diga Un archivo de varios gigas que se carga en memoria y responde texto
Pesos / parámetros Los miles de millones de «perillas» que quedaron ajustadas cuando lo entrenaron Nadie ajusta perillas a mano; se ajustan solas con datos El número que acompaña al nombre: «8B» son ocho mil millones de parámetros
Entrenamiento Los años de lectura del empleado, hechos por otro, antes de llegar Cuesta millones y no se repite en una PyME; lo que sí se hace es «especializar» (módulo 13) Ya viene hecho. Usted descarga el resultado
Inferencia Hacerle una pregunta al empleado y esperar la respuesta — Cada vez que el modelo responde. Es lo que se paga en hardware
Cuantización Guardar una foto en JPEG en vez de RAW: pesa la cuarta parte y casi no se nota «Casi» no es «nunca»: en tareas finas la pérdida se nota, y hay que medirla (módulo 4) El sufijo del archivo: Q8, Q4… menos bits, menos memoria, algo menos de calidad
Token Las sílabas con las que el modelo lee: no lee palabras ni letras, lee pedazos Las sílabas del español no coinciden con los tokens; una palabra rara puede ser 5 tokens Se cuentan con un programa. 1.000 palabras en español ≈ 1.400–1.800 tokens
Contexto / ventana La mesa de trabajo del empleado: lo que cabe en la mesa es lo único que ve mientras responde La mesa real se puede ampliar; la ventana tiene un tope duro, y llenarla cuesta tiempo y memoria Un número: 8k, 32k, 128k tokens. Todo lo que se le da al modelo compite por ese espacio
Prefill Leer todo lo que hay sobre la mesa antes de empezar a contestar — El tiempo hasta la primera palabra. Manda en documentos largos
Decode Dictar la respuesta palabra por palabra — Tokens por segundo. Manda en respuestas largas
Alucinación El empleado que, antes que decir «no sé», inventa con toda seguridad No es mentira ni malicia; es la forma en que funciona: siempre produce el texto más probable Se combate dándole las fuentes (RAG) y validando salidas (esquemas)

Memoria y recuperación

Término Símil Dónde se rompe el símil Cómo se ve en la práctica
Embedding Convertir un texto en coordenadas en un mapa: textos parecidos quedan cerca En un mapa hay 2 dimensiones; aquí hay cientos, y «cerca» lo decide el modelo de embeddings, no el sentido común Una lista de 384 a 1.024 números por cada pedazo de texto
Índice vectorial El archivador donde se guardan esas coordenadas para buscar «lo que se parece» Busca parecido, no verdad: puede traer lo parecido y equivocado Una base de datos (o una tabla) con los embeddings y sus metadatos
Chunk Cada ficha en la que se recorta un documento para archivarlo Recortar mal —por tamaño y no por sentido— rompe la información Pedazos de 200 a 800 tokens con su origen anotado
RAG Dejarle sobre la mesa solo las páginas relevantes antes de preguntar, en vez de que responda de memoria Si las páginas que se le dan son las equivocadas, la respuesta es correcta respecto a páginas equivocadas Recuperar → poner en contexto → responder citando. Módulo 6
Reranking Un segundo lector que reordena las fichas encontradas y descarta las que no sirven Cuesta tiempo; en consultas simples no aporta Un modelo pequeño que puntúa cada chunk contra la pregunta

Piezas que actúan

Término Símil Dónde se rompe el símil Cómo se ve en la práctica
Herramienta (tool) El empleado puede usar la calculadora, abrir el archivo o mandar un correo —pero solo las que se le dejaron sobre la mesa Él elige cuándo usarlas y puede elegir mal Una función con nombre, descripción y un esquema de entradas. Módulo 5
Agente Un empleado al que se le da una meta y herramientas, y va decidiendo pasos hasta cumplirla Un empleado real sabe cuándo parar; un agente hay que limitarlo con presupuesto y estados Un bucle: modelo → decide → usa herramienta → ve el resultado → repite. Módulo 10
Skill Una carpeta de instrucciones + plantillas que se le entrega para una tarea concreta — Texto e instrucciones versionadas, a veces con sus propias herramientas
Harness El reglamento y el supervisor: qué puede hacer, cuánto puede gastar, qué queda registrado — El código que corre al agente: presupuestos, permisos, trazas, estado persistido
Orquestador El jefe de turno que asigna trabajo y decide qué sigue —con un procedimiento escrito, no improvisando Si el jefe de turno improvisa, el proyecto fracasa (módulo 10) Una máquina de estados, no un modelo libre
MCP El enchufe estándar para que cualquier herramienta se conecte a cualquier modelo Es un protocolo, no una garantía de calidad de lo que se enchufa Un servidor que expone herramientas por JSON-RPC; el cliente las descubre. Módulo 0.4
Multimodal / VLM Un modelo que además ve (imágenes, páginas escaneadas) Ver no es leer con exactitud: en tablas y cifras falla más que un OCR Se le pasa una imagen y responde texto. Módulo 7
OCR Pasar una foto de una página a letras que se pueden buscar Con sellos, columnas y tablas, lo que sale ya no es la página Módulo 7: hay cuatro niveles, y el nivel lo decide el documento

Medir y operar

Término Símil Dónde se rompe el símil Cómo se ve en la práctica
VRAM El tamaño de la mesa de la tarjeta gráfica: si el modelo no cabe, no corre (o corre a paso de tortuga) — Gigabytes. El primer número que se mira al comprar. Módulo 1
Ancho de banda Qué tan rápido se puede leer toda la mesa, una y otra vez — GB/s. Decide los tokens por segundo
TTFT Cuánto espera el empleado antes de decir la primera palabra — Milisegundos. Es lo que el usuario siente
Determinista / probabilístico Una calculadora contra un empleado: la calculadora siempre da lo mismo; el empleado, casi siempre — Regla del curso: el modelo solo donde hay ambigüedad real. Módulo 9
Esquema (JSON Schema) El formulario con casillas que la respuesta tiene que llenar, ni una casilla más ni menos — Se valida cada salida; lo que no cumple se rechaza. Módulo 5
Eval El examen que se le repite al sistema cada vez que se cambia algo — Casos con respuesta esperada y una nota. Módulo 12
Traza La bitácora: quién pidió qué, qué pasos se dieron, qué fuentes se usaron, cuánto costó — Un registro por operación, atribuido a un usuario. Módulo 11
Fine-tuning / LoRA Mandar al empleado a un curso corto para que hable como la empresa No le enseña hechos nuevos con fiabilidad; le enseña formas Módulo 13: casi nunca es la respuesta, y cuando lo es, LoRA
Destilación Que el empleado experto entrene al aprendiz con ejemplos — Un modelo grande genera ejemplos con los que se especializa uno pequeño

Infraestructura

Término Símil Dónde se rompe el símil Cómo se ve en la práctica
Texto plano / Markdown Escribir en papel en vez de en un formulario de Word: cualquiera lo lee, en cualquier época Para diagramación fina (un contrato con formato exacto) no alcanza Archivos .md. Módulo 0.2
Git El historial de versiones de cada archivo: quién cambió qué, cuándo, y se puede volver atrás — Cada cambio queda registrado; los secretos no se guardan ahí
Malla privada Un cable directo entre los equipos, aunque estén en ciudades distintas, sin abrir la puerta de la calle — Nunca se abren puertos al internet. Módulo 3
Proxy inverso La recepción del edificio: todo entra por ahí y ella decide a qué oficina va — Un solo punto de entrada con identidad. Módulo 3
SSO Una sola credencial para todas las puertas — Un usuario, un permiso por grupo, un registro
NAS El archivador de la oficina: guarda, no piensa Muchos NAS venden «IA» —es marketing: computan poco Documentos y copias de seguridad. Módulo 2
Backup 3-2-1 Tres copias, en dos medios, una fuera del edificio La copia que no se ha probado a restaurar no existe Módulo 2: la prueba es restaurar

Práctica

  1. Elija cinco términos de la tabla y explíquelos en voz alta a alguien que no sea técnico, usando solo el símil. Anote en cuál el símil se rompió antes de tiempo.
  2. Tome una noticia reciente sobre IA y subraye cada término de este glosario que aparezca. ¿Cuántos se usan sin su sentido medible?
  3. Para «alucinación», escriba en una línea qué haría usted para que el empleado del símil dejara de inventar. Esa línea es el módulo 6 completo.

Referencias

  1. Vaswani, A. et al. (2017). Attention Is All You Need. arXiv:1706.03762 — el artículo del que salen los modelos de lenguaje actuales (transformers).
  2. Lewis, P. et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. arXiv:2005.11401 — el origen del término RAG.
  3. Anthropic (2024). Building effective agents. https://www.anthropic.com/engineering/building-effective-agents — la distinción entre flujos y agentes que este curso adopta.
  4. Model Context Protocol — especificación y documentación: https://modelcontextprotocol.io/
  5. llama.cpp — formato GGUF y niveles de cuantización: https://github.com/ggml-org/llama.cpp

Quiz rápido

Para que repases. No cuenta para certificar — el examen del módulo es el que certifica.

1. Según el glosario, ¿dónde se rompe el símil del «empleado que leyó toda la biblioteca» para un modelo?

2. ¿Qué mide de verdad un embedding?

3. ¿Cuál es la diferencia entre agente y harness?

Tu progreso se guarda en este navegador. Inicia sesión para guardarlo en tu cuenta y verlo desde cualquier dispositivo.

¿Le sirvió esta lección?

Sirve para saber qué reescribir. Se puede cambiar cuando quiera.

—
0 votos
Sin nombre todavía

Su avance y su nombre se guardan en este navegador. No hace falta registrarse.

¿Va por el certificado?

Practicar y comentar no exige nada. Para el certificado sí hace falta verificar el correo, el nombre completo, la institución, el grado, porque el certificado dice quién es usted.

Comentarios (0)

Pregunte lo que no entendió. Alguien más tiene la misma duda y no se atreve.

  • Todavía no hay comentarios. Estrene usted.