Inteligencia Artificial
Fundamentos, modelos, aplicaciones y ética de la IA: aprendizaje automático, redes neuronales, LLMs y robótica.
137 artículosArtículos
Regresión en aprendizaje profundo
Concepto, fundamentos matemáticos y aplicaciones de la regresión en redes neuronales profundas para el análisis de datos continuos.
Modelo de red neuronal recurrente LSTM para predicción de demanda de carga de vehículos eléctricos
Artículo científico de 2022 sobre el uso de redes LSTM para predecir la demanda de carga de vehículos eléctricos.
Aprendizaje profundo en detección de materia particulada y monitoreo ambiental
Análisis del uso de aprendizaje profundo en sensores de materia particulada y resonancia de plasmón de superficie.
Aplicaciones de aprendizaje profundo en la imagenología del glioma
Artículo científico de 2020 sobre el uso de deep learning en el diagnóstico por imagen del glioma.
Modelos de lenguaje grandes: fundamentos técnicos, entrenamiento y evaluación
Análisis técnico de los LLM: arquitectura de transformadores, leyes de escala, costos computacionales y métodos de evaluación.
Colección de figuras Transformers Airazor: análisis técnico y catálogo
Guía técnica sobre las figuras Transformers Airazor: especificaciones, líneas de producción y análisis de la colección.
Qué son los modelos de lenguaje grandes (llms)
Definición técnica y funcional de los LLMs: cómo procesan datos, su arquitectura base y aplicaciones prácticas en 2026.
Redes neuronales lagrangianas
Qué son las redes neuronales lagrangianas, su arquitectura basada en partículas y aplicaciones en visión por computadora y física.
Deep Learning Super Sampling (DLSS): tecnología de escalado con IA
Análisis técnico del DLSS de NVIDIA: cómo usa redes neuronales para escalar resolución y mejorar el rendimiento gráfico en tiempo real.
Ingeniería de prompts: análisis técnico y documentación formal
Análisis de la ingeniería de prompts como disciplina técnica, su evolución hacia estándares formales y su impacto en la optimización de LLMs...
Modelos de lenguaje grandes (LLM): arquitectura, entrenamiento y aplicaciones
Qué son los modelos de lenguaje grandes (LLM), cómo funcionan internamente, su evolución histórica y sus aplicaciones prácticas en 2026.
Aprendizaje profundo en imágenes de radiografía
Guía técnica sobre el uso de redes neuronales convolucionales y transformers para el diagnóstico automático en radiografías médicas.
Airazor Transformers: Rise of the Beasts
Análisis técnico del modelo de lenguaje Airazor Transformers, su arquitectura y aplicación en la era de la IA generativa.
Redes neuronales y deep learning de Fernando Berzal
Análisis del libro de Fernando Berzal sobre redes neuronales y deep learning, su enfoque pedagógico y contenido técnico.
Ingeniería de prompts en aprendizaje profundo
Análisis técnico de la ingeniería de prompts aplicada a modelos de aprendizaje profundo, arquitecturas y optimización.
Modelos de lenguaje masivos: arquitectura, entrenamiento y escalado
Análisis técnico de los modelos de lenguaje masivos (LLM): arquitectura Transformer, leyes de escalado y entrenamiento en 2026.
Inteligencia generativa en Windows: integración nativa y ecosistema
Análisis técnico de la integración de la IA generativa en Windows 11, incluyendo Copilot, NPU y optimizaciones de hardware para 2026.
Ingeniería de prompts avanzada: técnicas de optimización y arquitectura de entrada
Análisis técnico de técnicas avanzadas de ingeniería de prompts: CoT, ReAct, Few-Shot y optimización para modelos LLM en 2026.
Ejemplos prácticos de aprendizaje profundo
Guía con ejemplos concretos de deep learning: visión por computadora, NLP y redes generativas. Casos de uso reales y explicación técnica acc...
Redes neuronales de hopfield
Qué son las redes de Hopfield, su funcionamiento como memorias asociativas y su papel en el aprendizaje profundo moderno.