Aprendiendo Machine Learning desde cero con Miss Yera
por Miss Yera
Introducción al machine learning desde cero: datos, tipos de aprendizaje, algoritmos clásicos, un primer proyecto, redes neuronales y Transformers, con ejemplos sencillos.
Recomendado, valoración editorial 4 de 5
verificado 2026-09-09 — sigue siendo gratis en YouTube
Empezar en YouTubeRespuesta rápida
Curso gratis de Datos e IA de nivel principiante en YouTube impartido por Miss Yera (2 h 03 min). Nuestra valoración: 4/5, recomendado. Comprobamos que sigue siendo gratis el 9 de septiembre de 2026.
- Veredicto
- 4/5 · Recomendado
- Para quién
- Personas sin conocimientos técnicos ni de programación que quieren una primera visión completa del machine learning.
- Nivel
- Principiante
- Duración
- 2 h 03 min
- Precio
- Gratis en YouTube
- Autor
- Miss Yera
- Publicado
- 2025
- Plan sugerido
- 2 sem. · 4 h/sem.
- Verificado
- el 9 de septiembre de 2026
Nuestro veredicto
Recomendado, valoración editorial 4 de 5Buena introducción conceptual y amplia al machine learning para quien parte de cero. Destaca por recorrer desde los datos hasta los Transformers con ejemplos sencillos. No sustituye a un curso práctico con código.
Puntos fuertes
- Cubre un recorrido amplio y ordenado, de los datos a los Transformers, en una sola clase.
- Parte de cero y se apoya en ejemplos sencillos y cotidianos.
- Publicación reciente (2025) en un tema que cambia rápido.
A tener en cuenta
- El vídeo no tiene capítulos, lo que dificulta navegar y retomar por temas.
- Por su duración de unas 2 horas, es una introducción conceptual y no profundiza en cada algoritmo.
- La descripción no menciona ejercicios ni material descargable.
De qué trata
Clase de unas dos horas que introduce el machine learning sin exigir programación ni conocimientos técnicos. Empieza con el roadmap, las matemáticas necesarias y los fundamentos de datos, incluidos el flujo ETL y los roles del mundo de datos.
Después explica qué son la IA, el machine learning y el deep learning, los tipos de aprendizaje (supervisado, no supervisado y por refuerzo) y algoritmos clásicos como regresión, árboles de decisión y random forest. Incluye un primer proyecto paso a paso y termina con redes neuronales, convolucionales, recurrentes y Transformers. El vídeo no tiene capítulos.
- Roadmap y fundamentos de datos, ETL y roles
- IA, machine learning y deep learning
- Aprendizaje supervisado, no supervisado y por refuerzo
- Algoritmos clásicos y primer proyecto de ML
- Redes neuronales y Transformers
Para quién es este curso
- Personas sin conocimientos técnicos ni de programación que quieren una primera visión completa del machine learning.
- Quien busca entender el mapa general (datos, roles, tipos de aprendizaje, redes neuronales y Transformers) antes de elegir en qué profundizar.
- Profesionales de otras áreas curiosos por saber cómo funcionan ChatGPT y Gemini a nivel conceptual.
Mejor busca otro si…
- Quien ya conoce los tipos de aprendizaje y los algoritmos clásicos y busca implementación en código.
- Quien necesita un curso largo y práctico con programación y proyectos detallados.
Antes de empezar
- Ninguno: la descripción indica que parte desde cero, sin saber programar ni tener conocimientos técnicos.
Qué sabrás hacer al terminar
- Entender la diferencia entre inteligencia artificial, machine learning y deep learning.
- Distinguir aprendizaje supervisado, no supervisado y por refuerzo con ejemplos.
- Reconocer algoritmos clásicos como regresión lineal y logística, árboles de decisión y random forest.
- Conocer los pasos de un primer proyecto de machine learning.
- Entender qué son las redes neuronales, las capas, los pesos y las funciones de activación.
- Explicar a grandes rasgos qué son los Transformers.
Estructura del curso
- 01
Roadmap, matemáticas y fundamentos de datos
Ruta para entrar al machine learning, qué se necesita de estadística, álgebra y cálculo, tipos de datos, bases de datos, flujo ETL y roles del mundo de datos.
- 02
Conceptos básicos de IA y machine learning
Diferencia entre IA, machine learning y deep learning; variables, características y etiquetas; qué significa entrenar un modelo.
- 03
Tipos de aprendizaje y algoritmos clásicos
Aprendizaje supervisado (clasificación y regresión), no supervisado (clustering, anomalías, reglas de asociación) y por refuerzo; regresión lineal y logística, árboles de decisión y random forest.
- 04
Primer proyecto de machine learning
Guía paso a paso para plantear un primer proyecto.
- 05
Deep learning y Transformers
Redes neuronales (capas, pesos, ReLU, sigmoide, softmax), redes convolucionales y recurrentes, y la arquitectura Transformer detrás de ChatGPT y Gemini.
Plan de estudio sugerido
2 semanas · unas 4 h por semana
- 1.Sesión 1: fundamentos de datos, roles y conceptos de IA, ML y deep learning; anota un glosario propio.
- 2.Sesión 2: aprendizaje supervisado, no supervisado y por refuerzo; busca un ejemplo real de cada uno.
- 3.Sesión 3: algoritmos clásicos y primer proyecto; reescribe los pasos con tus palabras.
- 4.Sesión 4: redes neuronales, convolucionales, recurrentes y Transformers; repasa las funciones de activación.
El plan cuenta con tiempo para pausar y practicar, no solo con la duración del vídeo. Si quieres adaptarlo a tu semana, lee cómo montar tu plan de estudio semanal.
Consejos para seguirlo
- Como no hay capítulos, crea tus propias marcas de tiempo al ver cada bloque temático.
- Haz una tabla comparando supervisado, no supervisado y por refuerzo con un ejemplo de cada uno.
- Al llegar al primer proyecto, pausa y anota cada paso para reutilizarlo como plantilla.
- Tras las redes neuronales, repasa la parte de Transformers para consolidar el concepto.
Antes y después de este curso
- Después de este cursoCURSO de MACHINE LEARNING desde CERO | (COMPLETO)Otro curso de machine learning desde cero para profundizar tras esta visión general.
- AlternativaMachine Learning Course for BeginnersCurso de machine learning para principiantes con enfoque similar, en inglés.
Cómo lo presenta Miss Yera
Aprende machine learning desde cero, sin saber programar y sin conocimientos técnicos. Una clase completa de 2 horas donde pasamos del roadmap y los fundamentos de datos hasta las redes neuronales y los Transformers que están detrás de ChatGPT, todo con ejemplos sencillos y aplicaciones reales.
🐣 En esta clase aprenderás 🔹 El roadmap completo para entrar al mundo del machine learning 🔹 Qué…
Extracto de la descripción original en YouTube.
Preguntas frecuentes
+¿Necesito saber programar?
No. La descripción indica que es para aprender machine learning sin saber programar y sin conocimientos técnicos.
+¿Cuánto dura?
Unas 2 horas en un solo vídeo, sin capítulos. Con pausas y repaso, puede llevarte unas 4 a 8 horas.
+¿Habla de ChatGPT?
Sí, explica qué son los Transformers, la arquitectura detrás de ChatGPT y Gemini, al final del recorrido.
Análisis editorial elaborado con ayuda de IA a partir de la descripción, los capítulos y la duración publicados en YouTube, y revisado según nuestro método. El contenido del curso es obra de Miss Yera; si ves algún error, avísanos.
Guías para sacarle partido
Más cursos de Datos e IA
CURSO COMPLETO de SQL y BASES DE DATOS Desde Cero (8 horas)
Curso desde cero de SQL y bases de datos con MySQL: instalación, modelado, consultas, agregaciones, JOINs, subconsultas, normalización y ejercicios integradores.
Curso COMPLETO de SQL y BASES DE DATOS Desde Cero para PRINCIPIANTES
Recorre SQL y bases de datos relacionales desde cero: consultas, escritura de datos, tablas, relaciones y joins, hasta índices, triggers y transacciones.
Curso de SQL desde CERO (Completo)
Recorre SQL desde cero: modelo ER, instalación, consultas, filtros, agregaciones, subconsultas y joins, hasta índices, transacciones y procedimientos almacenados, con un ejercicio final SQL + Python.
(05/01/2026) - Mestrado: Machine Learning - Paulo Orenstein - Aula 01
Primera clase del curso de Machine Learning del IMPA, que sigue An Introduction to Statistical Learning en Python con un enfoque más matemático y más profundidad en deep learning.