Después del curso
¿Qué sigue después de Sensei?
What comes after Sensei
Sensei es la teoría: qué es cada pieza, por qué existe y cómo se calcula. TrueML tiene dos herramientas más para lo que sigue: el Dojo, para practicarlo con código, y la Ronda de Diseño, para defender el diseño completo en una entrevista.
Practicar: el Dojo
En el Dojo construyes, rehaces y rompes un mini-proyecto por cada estación del sistema de Alba, con Claude Code como compañero. Es el mismo caso que leíste aquí, con los mismos números. Allá se llama C01: es el caso 1 de la Ronda de Diseño, que viene abajo.
Un buen ritmo: lee la lección de una estación aquí y, en cuanto la termines, practícala en el Dojo.
Defender: la Ronda de Diseño
La Ronda de Diseño ML enseña a diseñar el sistema completo como en una entrevista de ML System Design. Tiene 15 módulos, de M01 a M15, y 15 casos, de C01 a C15: C01 es el de Alba, y los demás van del video en tiempo real y el fraude a los sistemas con LLMs. Da por sabidos cientos de conceptos, y todos están en Sensei.
Cada tarjeta lista las lecciones que conviene repasar antes de ese módulo, en orden de lectura. Las que ya leíste se marcan con ✓.
-
M01El mapa y la entrevista7 lecciones
-
M02Patrones de inferencia9 lecciones
- 07Embeddings: el significado como coordenadas✓
- 20Hacer varias cosas a la vez: async, event loop y GIL✓
- 21Cómo viaja un mensaje: IP, puertos y DNS✓
- 22HTTP: requests, respuestas y códigos✓
- 23APIs: REST, JSON, gRPC y streaming✓
- 25Timeouts, reintentos e idempotencia✓
- 28Bases de datos: tablas, SQL y llave-valor✓
- 30Colas y streams: mensajes que esperan✓
- 31Tiempo, hashes e identificadores✓
-
M03Latencia y capacidad11 lecciones
- 06Redes neuronales y CNNs✓
- 09Números grandes, unidades y estimaciones✓
- 10Promedios, medianas y percentiles✓
- 11Probabilidad para sistemas que fallan✓
- 16Programa, proceso e hilo✓
- 20Hacer varias cosas a la vez: async, event loop y GIL✓
- 24Balanceadores, proxies y gateways✓
- 25Timeouts, reintentos e idempotencia✓
- 26Qué tan rápido y cuánto: latencia y throughput✓
- 52Código de serving✓
- 57La request en vivo✓
-
M04Hardware para inferencia9 lecciones
-
M05Contenedores9 lecciones
- 17Memoria, caché y disco✓
- 19El sistema operativo: Linux, archivos y permisos✓
- 32La terminal y la shell✓
- 33Python, paquetes y entornos✓
- 35Git: versiones del código✓
- 37Configuración: YAML, variables de entorno y secretos✓
- 46Ataques y cadena de suministro✓
- 53Empaquetado con Docker✓
- 54CI/CD y registro de imágenes✓
-
M06Orquestación y escalado11 lecciones
- 16Programa, proceso e hilo✓
- 18CPU y GPU✓
- 19El sistema operativo: Linux, archivos y permisos✓
- 21Cómo viaja un mensaje: IP, puertos y DNS✓
- 24Balanceadores, proxies y gateways✓
- 30Colas y streams: mensajes que esperan✓
- 32La terminal y la shell✓
- 37Configuración: YAML, variables de entorno y secretos✓
- 39Regiones, zonas y disponibilidad✓
- 42Servicios gestionados, serverless y permisos✓
- 55Kubernetes✓
-
M07Servidores de modelos14 lecciones
- 01Qué es un modelo✓
- 02Una foto, vista por un modelo✓
- 06Redes neuronales y CNNs✓
- 07Embeddings: el significado como coordenadas✓
- 08Transformers y LLMs✓
- 16Programa, proceso e hilo✓
- 18CPU y GPU✓
- 20Hacer varias cosas a la vez: async, event loop y GIL✓
- 22HTTP: requests, respuestas y códigos✓
- 23APIs: REST, JSON, gRPC y streaming✓
- 33Python, paquetes y entornos✓
- 34PyTorch en lo que toca a producción✓
- 44Autenticación y permisos✓
- 52Código de serving✓
-
M08Optimización de modelos6 lecciones
-
M09Datos y features11 lecciones
- 02Una foto, vista por un modelo✓
- 03Datos, ejemplos, features y etiquetas✓
- 07Embeddings: el significado como coordenadas✓
- 27Archivos y formatos: JSON, CSV, Parquet y YAML✓
- 28Bases de datos: tablas, SQL y llave-valor✓
- 29Object storage, data lakes y warehouses✓
- 31Tiempo, hashes e identificadores✓
- 35Git: versiones del código✓
- 45Datos personales y la ley✓
- 47Datos y etiquetas✓
- 48Versionado y linaje✓
-
M10MLOps10 lecciones
-
M11Despliegue seguro6 lecciones
-
M12Monitoreo7 lecciones
-
M13Nube8 lecciones
- 09Números grandes, unidades y estimaciones✓
- 21Cómo viaja un mensaje: IP, puertos y DNS✓
- 29Object storage, data lakes y warehouses✓
- 38Qué es la nube✓
- 39Regiones, zonas y disponibilidad✓
- 40Máquinas, GPUs y cómo se cobran✓
- 41Redes en la nube: VPC, subredes y egress✓
- 42Servicios gestionados, serverless y permisos✓
-
M14Sistemas con LLMs2 lecciones
-
M15Seguridad y confiabilidad13 lecciones
- 11Probabilidad para sistemas que fallan✓
- 19El sistema operativo: Linux, archivos y permisos✓
- 22HTTP: requests, respuestas y códigos✓
- 25Timeouts, reintentos e idempotencia✓
- 31Tiempo, hashes e identificadores✓
- 34PyTorch en lo que toca a producción✓
- 37Configuración: YAML, variables de entorno y secretos✓
- 39Regiones, zonas y disponibilidad✓
- 42Servicios gestionados, serverless y permisos✓
- 43Cifrado, llaves y certificados✓
- 44Autenticación y permisos✓
- 45Datos personales y la ley✓
- 46Ataques y cadena de suministro✓