Temas · Data for All

Aprendizaje supervisado y no supervisado: el ML clásico, explicado a fondo con el porqué.

Fundamentos de modelos de lenguaje, RAG, agentes y cómo construir productos con IA.

SQL y NoSQL: modelado, índices, consultas y cuándo usar cada motor.

Pipelines, batch vs streaming, orquestación y warehouses: los datos que alimentan todo.

Estrategias de rendering, performance, el stack y los trade-offs del frontend de hoy.

Diseñar sistemas escalables: colas, caché, particionado y sus decisiones de fondo.

CI/CD, contenedores e infraestructura: del commit a producción con confianza.

Llevar modelos a producción: evaluación, monitoreo, costos, latencia y fallas reales.

Construir con Claude: prompting, tool use, agentes y el flujo con Claude Code.

Temas, de principio a fin.