AQI AIAQI · Observatorio de IA
⌕
Documentación oficialNo probado por AQI AI

LLM Hugging Face: modelos y datos

Curso de modelos/datos con bases Python e introducción al aprendizaje profundo.

Curso original y alcance revisado

Proveedor: Hugging Face · Idioma revisado: English / en

Introducción, temario y requisitos revisados; sin completar vídeos ni prácticas del curso.

Abrir curso original ↗
Última comprobación: Fecha del evento: Pendiente de verificar
Glosario rápido

Los modelos generan contenido y razonan. Los agentes usan herramientas para realizar tareas. Un Harness gestiona el entorno de un agente. MCP conecta herramientas y datos. Los Skills son instrucciones de trabajo reutilizables.

Antes de empezar

Requisitos previos

  • Sin bases de programación, empezar por la ruta inicial; lectura sin ajuste fino, cargas ni cómputo.
  • Entrada inglesa revisada; nuestra guía en ocho idiomas no garantiza traducción de todos los capítulos originales.

Tiempo estimado

Primero una página de práctica; sin duración total garantizada.

Pasos de implementación

  1. Escribir un objetivo pequeño

    Práctica del paso: Con tres frases propias redactar una pregunta verificable y su respuesta esperada. Sin archivos laborales o privados; una sola ficha de tarea.

    Fuentes de este paso: Hugging Face · LLM Course

  2. Hacer un ejercicio en papel

    Práctica del paso: Ficha en papel: autor, tarea, licencia, formato y origen desconocido. Separar tokenización, inferencia y entrenamiento; palabras ≠ tokens, archivo ≠ memoria de ejecución.

    Fuentes de este paso: Hugging Face · LLM Course

  3. Comprobar con un contraejemplo

    Práctica del paso: Añadir una pregunta sin respuesta en el material y exigir un desconocido explícito. Comprobar evidencia y parada si faltan datos; fluidez no equivale a corrección.

    Fuentes de este paso: Hugging Face · LLM Course

  4. Decidir si ejecutar una práctica

    Práctica del paso: Registrar entrada, expectativa, resultado real o en papel, fallo y costes abiertos en una página. Seguir después la configuración actual; cuentas, API y equipo quedan a su elección.

    Fuentes de este paso: Hugging Face · LLM Course

Comprobaciones

Práctica

Registrar entrada, expectativa, resultado real o en papel, fallo y costes abiertos en una página. Seguir después la configuración actual; cuentas, API y equipo quedan a su elección.

Coste

Pendiente de verificar

Material público de lectura gratuita; comprobar cuentas, cuotas, alojamiento y equipo antes de prácticas. Nuestros ejercicios en papel no requieren servicios de pago, registros ni llamadas API.

Límites y alcance

  • Introducción, temario y requisitos revisados; sin completar vídeos ni prácticas del curso.
  • Material público de lectura gratuita; comprobar cuentas, cuotas, alojamiento y equipo antes de prácticas. Nuestros ejercicios en papel no requieren servicios de pago, registros ni llamadas API.

Fuentes originales

  1. Hugging Face · LLM Course ↗

    huggingface.co · · Documentación oficial