SenseiTeoría desde cero0/59

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.

  1. 01Datos y etiquetas→
  2. 02Versionado y linaje→
  3. 03Entrenamiento→
  4. 04Gate de evaluación y registry→
  5. 05Export, engine y paridad→
  6. 06Código de serving→
  7. 07Empaquetado (Docker)→
  8. 08CI/CD y registro de imágenes→
  9. 09Kubernetes→
  10. 10Rollout seguro→
  11. 11La request en vivo→
  12. 12Monitoreo y reentrenamiento→

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 ✓.

    1. 00El camino completo✓
    2. 01Qué es un modelo✓
    3. 02Una foto, vista por un modelo✓
    4. 03Datos, ejemplos, features y etiquetas✓
    5. 05¿Aprendió de verdad?✓
    6. 09Números grandes, unidades y estimaciones✓
    7. 27Archivos y formatos: JSON, CSV, Parquet y YAML✓
    1. 07Embeddings: el significado como coordenadas✓
    2. 20Hacer varias cosas a la vez: async, event loop y GIL✓
    3. 21Cómo viaja un mensaje: IP, puertos y DNS✓
    4. 22HTTP: requests, respuestas y códigos✓
    5. 23APIs: REST, JSON, gRPC y streaming✓
    6. 25Timeouts, reintentos e idempotencia✓
    7. 28Bases de datos: tablas, SQL y llave-valor✓
    8. 30Colas y streams: mensajes que esperan✓
    9. 31Tiempo, hashes e identificadores✓
    1. 06Redes neuronales y CNNs✓
    2. 09Números grandes, unidades y estimaciones✓
    3. 10Promedios, medianas y percentiles✓
    4. 11Probabilidad para sistemas que fallan✓
    5. 16Programa, proceso e hilo✓
    6. 20Hacer varias cosas a la vez: async, event loop y GIL✓
    7. 24Balanceadores, proxies y gateways✓
    8. 25Timeouts, reintentos e idempotencia✓
    9. 26Qué tan rápido y cuánto: latencia y throughput✓
    10. 52Código de serving✓
    11. 57La request en vivo✓
    1. 04Cómo aprende un modelo✓
    2. 06Redes neuronales y CNNs✓
    3. 08Transformers y LLMs✓
    4. 09Números grandes, unidades y estimaciones✓
    5. 14Cómo guarda números una computadora✓
    6. 15Matrices, FLOPs y qué tan rápido calcula una GPU✓
    7. 17Memoria, caché y disco✓
    8. 18CPU y GPU✓
    9. 40Máquinas, GPUs y cómo se cobran✓
  1. M05Contenedores9 lecciones
    1. 17Memoria, caché y disco✓
    2. 19El sistema operativo: Linux, archivos y permisos✓
    3. 32La terminal y la shell✓
    4. 33Python, paquetes y entornos✓
    5. 35Git: versiones del código✓
    6. 37Configuración: YAML, variables de entorno y secretos✓
    7. 46Ataques y cadena de suministro✓
    8. 53Empaquetado con Docker✓
    9. 54CI/CD y registro de imágenes✓
    1. 16Programa, proceso e hilo✓
    2. 18CPU y GPU✓
    3. 19El sistema operativo: Linux, archivos y permisos✓
    4. 21Cómo viaja un mensaje: IP, puertos y DNS✓
    5. 24Balanceadores, proxies y gateways✓
    6. 30Colas y streams: mensajes que esperan✓
    7. 32La terminal y la shell✓
    8. 37Configuración: YAML, variables de entorno y secretos✓
    9. 39Regiones, zonas y disponibilidad✓
    10. 42Servicios gestionados, serverless y permisos✓
    11. 55Kubernetes✓
    1. 01Qué es un modelo✓
    2. 02Una foto, vista por un modelo✓
    3. 06Redes neuronales y CNNs✓
    4. 07Embeddings: el significado como coordenadas✓
    5. 08Transformers y LLMs✓
    6. 16Programa, proceso e hilo✓
    7. 18CPU y GPU✓
    8. 20Hacer varias cosas a la vez: async, event loop y GIL✓
    9. 22HTTP: requests, respuestas y códigos✓
    10. 23APIs: REST, JSON, gRPC y streaming✓
    11. 33Python, paquetes y entornos✓
    12. 34PyTorch en lo que toca a producción✓
    13. 44Autenticación y permisos✓
    14. 52Código de serving✓
    1. 06Redes neuronales y CNNs✓
    2. 14Cómo guarda números una computadora✓
    3. 15Matrices, FLOPs y qué tan rápido calcula una GPU✓
    4. 18CPU y GPU✓
    5. 34PyTorch en lo que toca a producción✓
    6. 51Export, engine y paridad✓
    1. 02Una foto, vista por un modelo✓
    2. 03Datos, ejemplos, features y etiquetas✓
    3. 07Embeddings: el significado como coordenadas✓
    4. 27Archivos y formatos: JSON, CSV, Parquet y YAML✓
    5. 28Bases de datos: tablas, SQL y llave-valor✓
    6. 29Object storage, data lakes y warehouses✓
    7. 31Tiempo, hashes e identificadores✓
    8. 35Git: versiones del código✓
    9. 45Datos personales y la ley✓
    10. 47Datos y etiquetas✓
    11. 48Versionado y linaje✓
  2. M10MLOps10 lecciones
    1. 04Cómo aprende un modelo✓
    2. 05¿Aprendió de verdad?✓
    3. 12Ruido, muestras y pruebas A/B✓
    4. 33Python, paquetes y entornos✓
    5. 35Git: versiones del código✓
    6. 36Pruebas y CI/CD✓
    7. 48Versionado y linaje✓
    8. 49Entrenamiento y experimentos✓
    9. 50Gate de evaluación y registry✓
    10. 54CI/CD y registro de imágenes✓
    1. 05¿Aprendió de verdad?✓
    2. 12Ruido, muestras y pruebas A/B✓
    3. 24Balanceadores, proxies y gateways✓
    4. 36Pruebas y CI/CD✓
    5. 50Gate de evaluación y registry✓
    6. 56Rollout seguro✓
  3. M12Monitoreo7 lecciones
    1. 07Embeddings: el significado como coordenadas✓
    2. 10Promedios, medianas y percentiles✓
    3. 13Comparar distribuciones: cómo se mide el drift✓
    4. 27Archivos y formatos: JSON, CSV, Parquet y YAML✓
    5. 30Colas y streams: mensajes que esperan✓
    6. 57La request en vivo✓
    7. 58Monitoreo, drift y reentrenamiento✓
  4. M13Nube8 lecciones
    1. 09Números grandes, unidades y estimaciones✓
    2. 21Cómo viaja un mensaje: IP, puertos y DNS✓
    3. 29Object storage, data lakes y warehouses✓
    4. 38Qué es la nube✓
    5. 39Regiones, zonas y disponibilidad✓
    6. 40Máquinas, GPUs y cómo se cobran✓
    7. 41Redes en la nube: VPC, subredes y egress✓
    8. 42Servicios gestionados, serverless y permisos✓
    1. 08Transformers y LLMs✓
    2. 23APIs: REST, JSON, gRPC y streaming✓
    1. 11Probabilidad para sistemas que fallan✓
    2. 19El sistema operativo: Linux, archivos y permisos✓
    3. 22HTTP: requests, respuestas y códigos✓
    4. 25Timeouts, reintentos e idempotencia✓
    5. 31Tiempo, hashes e identificadores✓
    6. 34PyTorch en lo que toca a producción✓
    7. 37Configuración: YAML, variables de entorno y secretos✓
    8. 39Regiones, zonas y disponibilidad✓
    9. 42Servicios gestionados, serverless y permisos✓
    10. 43Cifrado, llaves y certificados✓
    11. 44Autenticación y permisos✓
    12. 45Datos personales y la ley✓
    13. 46Ataques y cadena de suministro✓