English · Español

Estudiar cualquier capítulo

El camino ideal es secuencial — la cadena de dependencias de LYNX_CORTEX.md §6 existe por una razón. Pero el currículo también funciona como obra de referencia: cada fila enlaza al capítulo, lista sus prerrequisitos conceptuales directos (informativos, nunca bloqueantes), qué fases desbloquea y qué conceptos enseña. Usa la búsqueda del sitio o esta tabla para saltar al tema que necesites.

Grafo de dependencias

graph LR
  P00["00 Fundamentos del proyecto y metodología de aprendizaje"]
  P01["01 Hardware y sustrato de cómputo"]
  P02["02 Representación numérica"]
  P03["03 Álgebra lineal desde los primeros principios"]
  P04["04 Cálculo y optimización para IA"]
  P05["05 Probabilidad y teoría de la información"]
  P06["06 Python para ingeniería de IA"]
  P07["07 Autograd escalar desde cero"]
  P08["08 Autograd tensorial desde cero"]
  P09["09 MLP diminuto y abstracción de módulos"]
  P10["10 Inicialización, normalización, residuales"]
  P11["11 Teoría de tokenización + implementación de BPE"]
  P12["12 El corpus"]
  P13["13 Embeddings y espacios de representación"]
  P14["14 Modelos de secuencia pre-transformer"]
  P15["15 Attention desde cero"]
  P16["16 Codificaciones posicionales"]
  P17["17 Bloque transformer diminuto y mini-GPT"]
  P18["18 Bucle de entrenamiento, anticipo de mixed precision, checkpointing"]
  P19["19 Dinámica de entrenamiento y debugging"]
  P20["20 Harness de evaluación"]
  P21["21 Internals de inferencia y sampling"]
  P22["22 KV cache"]
  P23["23 Fundamentos de arquitectura GPU"]
  P24["24 CUDA y Triton hands-on"]
  P25["25 Internals de PyTorch"]
  P26["26 Cuantización en profundidad"]
  P27["27 Optimizaciones modernas de attention"]
  P28["28 Fine-tuning, LoRA, QLoRA"]
  P29["29 Retrieval-Augmented Generation"]
  P30["30 Generación estructurada y decodificación restringida"]
  P31["31 Uso de tools y el Model Context Protocol"]
  P32["32 Agentes"]
  P33["33 Serving de inferencia"]
  P34["34 Observabilidad, coste y capacidad"]
  P35["35 Entrenamiento e inferencia distribuidos"]
  P36["36 Arquitecturas de frontera"]
  P37["37 Seguridad y safety de sistemas de IA"]
  P38["38 Coste, capacidad, operaciones, MLOps"]
  P39["39 Capstone"]
  P40["40 Hardening, postmortem, 'qué sigue'"]
  P41["41 Portal del aprendiz"]
  PX1["X1 Pretraining a escala"]
  PX2["X2 Modelos multimodales"]
  PX3["X3 RLHF / DPO / RLAIF"]
  PX4["X4 Hardware en profundidad"]
  PX5["X5 Preparación de entrevistas"]
  P00 --> P01
  P01 --> P02
  P02 --> P03
  P03 --> P04
  P04 --> P05
  P05 --> P06
  P04 --> P07
  P06 --> P07
  P07 --> P08
  P08 --> P09
  P09 --> P10
  P10 --> P11
  P11 --> P12
  P11 --> P13
  P12 --> P13
  P13 --> P14
  P13 --> P15
  P14 --> P15
  P15 --> P16
  P10 --> P17
  P15 --> P17
  P16 --> P17
  P12 --> P18
  P17 --> P18
  P18 --> P19
  P19 --> P20
  P20 --> P21
  P15 --> P22
  P21 --> P22
  P01 --> P23
  P22 --> P23
  P23 --> P24
  P08 --> P25
  P24 --> P25
  P02 --> P26
  P25 --> P26
  P15 --> P27
  P22 --> P27
  P26 --> P27
  P26 --> P28
  P27 --> P28
  P13 --> P29
  P28 --> P29
  P21 --> P30
  P29 --> P30
  P30 --> P31
  P29 --> P32
  P31 --> P32
  P22 --> P33
  P32 --> P33
  P33 --> P34
  P18 --> P35
  P34 --> P35
  P35 --> P36
  P29 --> P37
  P31 --> P37
  P36 --> P37
  P37 --> P38
  P38 --> P39
  P39 --> P40
  P40 --> P41
  P35 --> PX1
  P15 --> PX2
  P17 --> PX2
  P28 --> PX2
  P05 --> PX3
  P19 --> PX3
  P28 --> PX3
  P23 --> PX4
  P35 --> PX4
  P40 --> PX5

Índice de fases

Fase	Capítulo	Requiere	Desbloquea	Enseña
00	Fundamentos del proyecto y metodología de aprendizaje	—	01	reproducibility seeding lockfile pre-commit ci mypy
01	Hardware y sustrato de cómputo	00	02 23	memory-hierarchy roofline arithmetic-intensity cache latency bandwidth
02	Representación numérica	01	03 26	ieee-754 floating-point softmax-stability log-sum-exp precision denormals
03	Álgebra lineal desde los primeros principios	02	04	tensors matmul einsum svd rank norms
04	Cálculo y optimización para IA	03	05 07	gradients chain-rule backprop sgd momentum adam
05	Probabilidad y teoría de la información	04	06 X3	probability entropy kl-divergence cross-entropy mle perplexity
06	Python para ingeniería de IA	05	07	numpy strides broadcasting views vectorization profiling
07	Autograd escalar desde cero (minigrad)	04 06	08	autograd computation-graph reverse-mode topological-sort dag
08	Autograd tensorial desde cero	07	09 25	tensor-autograd broadcasting-backward gradcheck matmul-grad softmax-grad
09	MLP diminuto y abstracción de módulos (minitorch)	08	10	module-abstraction parameter-registration linear sequential optimizers
10	Inicialización, normalización, residuales	09	11 17	initialization xavier kaiming layer-norm rms-norm residuals pre-ln
11	Teoría de tokenización + implementación de BPE	10	12 13	tokenization bpe byte-level subwords vocabulary zipf
12	El corpus: diseñando el dataset microscópico	11	13 18	corpus-design enumeration stratified-split data-manifest reproducibility
13	Embeddings y espacios de representación	11 12	14 15 29	embeddings cbow cosine-similarity dimensionality representation-geometry
14	Modelos de secuencia pre-transformer	13	15	n-gram rnn lstm vanishing-gradient perplexity-baselines
15	Attention desde cero	13 14	16 17 22 27 X2	attention scaled-dot-product multi-head causal-mask query-key-value
16	Codificaciones posicionales	15	17	positional-encoding rope sinusoidal extrapolation
17	Bloque transformer diminuto y mini-GPT	10 15 16	18 X2	transformer-block pre-ln ffn gelu tied-embeddings lm-head
18	Bucle de entrenamiento, anticipo de mixed precision, checkpointing	12 17	19 35	training-loop batching adamw warmup cosine-decay checkpointing
19	Dinámica de entrenamiento y debugging	18	20 X3	instrumentation hooks gradient-norms loss-curves debugging
20	Harness de evaluación	19	21	evaluation accuracy-probes calibration adversarial-eval bootstrap-ci
21	Internals de inferencia y sampling	20	22 30	sampling temperature top-k top-p decode-cost
22	KV cache: de las matemáticas a la memoria	15 21	23 27 33	kv-cache prefill decode memory-bound arithmetic-intensity
23	Fundamentos de arquitectura GPU	01 22	24 X4	gpu-architecture sm warps occupancy hbm coalescing
24	CUDA y Triton hands-on	23	25	cuda triton kernels shared-memory tiling
25	Internals de PyTorch	08 24	26	dispatcher autograd-graph torch-compile custom-ops
26	Cuantización en profundidad	02 25	27 28	quantization int8 nf4 gptq gguf calibration
27	Optimizaciones modernas de attention	15 22 26	28	flash-attention online-softmax paged-attention gqa mqa
28	Fine-tuning, LoRA, QLoRA	26 27	29 X2 X3	fine-tuning sft lora qlora catastrophic-forgetting
29	Retrieval-Augmented Generation (RAG)	13 28	30 32 37	rag chunking bm25 hnsw hybrid-search reranking
30	Generación estructurada y decodificación restringida	21 29	31	structured-generation json-mode logit-masking grammar-constrained-decoding
31	Uso de tools y el Model Context Protocol (MCP)	30	32 37	tool-use function-calling mcp json-schema json-rpc
32	Agentes: planificación, memoria, sandboxing (tutor de gramática)	29 31	33	agents react-loop planning agent-memory sandboxing
33	Serving de inferencia: de FastAPI a continuous batching	22 32	34	serving continuous-batching scheduling littles-law load-testing
34	Observabilidad, coste y capacidad	33	35	observability red-metrics opentelemetry prometheus grafana cost-accounting
35	Entrenamiento e inferencia distribuidos	18 34	36 X1 X4	distributed-training ddp fsdp tensor-parallel allreduce nccl
36	Arquitecturas de frontera	35	37	mixture-of-experts mamba state-space-models speculative-decoding
37	Seguridad y safety de sistemas de IA	29 31 36	38	prompt-injection jailbreaks threat-modeling supply-chain-security red-teaming
38	Coste, capacidad, operaciones, MLOps	37	39	mlops model-registry ab-testing canary-deploys drift-detection
39	Capstone: el sistema de producción en miniatura	38	40	integration end-to-end-demo architecture-diagrams cost-reporting
40	Hardening, postmortem, "qué sigue"	39	41 X5	postmortem hardening performance-audit synthesis
41	Portal del aprendiz: entregando el currículo	40	—	web-portal argon2id csrf spaced-repetition multi-tenancy
X1	Pretraining a escala	35	—	scaling-laws chinchilla mfu pretraining cluster-economics
X2	Modelos multimodales	15 17 28	—	vit clip whisper contrastive-learning multimodal-fusion
X3	RLHF / DPO / RLAIF	05 19 28	—	rlhf reward-modeling ppo dpo constitutional-ai
X4	Hardware en profundidad	23 35	—	h100 nvlink allreduce interconnects datacenter-economics
X5	Preparación de entrevistas	40	—	whiteboarding systems-design paper-reading storytelling