Andrej Karpathy. Es la explicación integral más clara de YouTube sobre qué es realmente un LLM: preentrenamiento, tokenización, SFT, RLHF, aprendizaje por refuerzo para razonamiento, uso de herramientas y alucinaciones, con el nivel de detalle necesario para que un ingeniero valore las contrapartidas entre modelos. Después de verlo, las decisiones del artículo entre modelos de clase GPT, de pesos abiertos y de razonamiento dejan de parecer elecciones de marca y pasan a entenderse como elecciones de recetas de entrenamiento.
Los nombres, los precios y las capacidades de los modelos cambian con rapidez. Utiliza el vídeo para aprender el patrón de decisión y comprueba después el comportamiento vigente del modelo antes de adoptarlo.
Comprenderás el stack moderno de LLM con suficiente profundidad para razonar sobre tokens, entrenamiento, herramientas y fallos.
Ayuda contar con formación técnica; no se requieren conocimientos previos de ML, pero conviene reservar tres horas y media.
Última revisión: 18 may 2026
Continúa por el mismo itinerario de aprendizaje con los siguientes vídeos complementarios seleccionados.
18 minutosAprenderás por qué las llamadas a LLM basadas en esquemas necesitan objetos tipados, validadores, reintentos y gestión explícita de los campos mal formados o inventados.
77 minutosEscucharás cómo los especialistas en prompts para producción revisan instrucciones, ejemplos y restricciones de comportamiento bajo presión real, en lugar de tratar los prompts como textos aislados.
55 minutosDiseñarás una escala de evaluaciones que detecte regresiones antes de que los cambios en los prompts o los modelos lleguen a los usuarios.
Cursos externos seleccionados para profundizar en este tema.
Coursera · DeepLearning.AI + AWSAntje Barth · Shelbee Eigenbrode · Mike Chambers · Chris Fregly
Cuando un profesional pregunta "¿qué debería cursar si quiero crear soluciones serias con LLM?", esta es la respuesta. Es riguroso con las matemáticas sin convertirse en un artículo de investigación; sus capítulos de despliegue orientados a AWS siguen siendo útiles aunque nunca vayas a utilizar SageMaker.
DeepLearning.AI · LlamaIndexJerry Liu
El RAG básico (búsqueda vectorial → volcar los resultados en el prompt) es la versión que primero llega a producción y antes decepciona. Este curso breve muestra cómo mejorarlo: un agente que planifica la recuperación, selecciona herramientas, compara fuentes y responde preguntas sobre varios documentos. Dos horas de contenido que puedes aplicar de inmediato a un producto real.
DeepLearning.AI · LangChainHarrison Chase
La amnesia provocada por la ventana de contexto hace que la mayoría de los agentes parezcan olvidadizos y poco inteligentes ya en el segundo día. Este curso enseña los patrones de LangMem que la resuelven —memoria episódica, procedimental y semántica— para que un agente recuerde las preferencias del usuario y las interacciones anteriores entre sesiones sin sobrecargar el prompt.
