Introduccion a Inteligencia Artificial
por A2 Ciencia de Datos
Introducción teórica a Machine Learning: definición, tipos de aprendizaje (supervisado, no supervisado, reforzado, online, batch), problemas habituales, evaluación e hiperparámetros.
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 A2 Ciencia de Datos (30 min). Nuestra valoración: 4/5, recomendado. Comprobamos que sigue siendo gratis el 9 de septiembre de 2026.
- Veredicto
- 4/5 · Recomendado
- Para quién
- Personas que empiezan en inteligencia artificial y quieren una visión conceptual de Machine Learning.
- Nivel
- Principiante
- Duración
- 30 min · 14 capítulos
- Precio
- Gratis en YouTube
- Autor
- A2 Ciencia de Datos
- Publicado
- 2022
- Plan sugerido
- 1 sem. · 1 h/sem.
- Verificado
- el 9 de septiembre de 2026
Nuestro veredicto
Recomendado, valoración editorial 4 de 5Buena primera toma de contacto con los conceptos de Machine Learning, bien dividida en capítulos y con ritmo ágil. Es útil para principiantes que quieren el vocabulario base, pero al ser solo un capítulo no sustituye a un curso completo.
Puntos fuertes
- Capítulos claros y bien delimitados que permiten saltar a cada concepto.
- Cubre de forma compacta los principales tipos de aprendizaje.
- Incluye evaluación del algoritmo e hiperparámetros, no solo definiciones.
A tener en cuenta
- Es solo el primer capítulo de un curso mayor, así que es una introducción parcial.
- Publicado en 2022; los conceptos básicos siguen vigentes, pero no trata novedades recientes.
- La descripción no menciona ejercicios ni código; parece puramente teórico.
De qué trata
Primer capítulo de un curso más amplio sobre inteligencia artificial, centrado en la teoría básica de Machine Learning. Comienza con la definición y con las razones para usarlo frente a la programación tradicional, y menciona aplicaciones como filtros de spam, robots industriales, aspiradoras robot y algoritmos de redes sociales.
Después recorre, en 14 capítulos a lo largo de unos 30 minutos, las categorías de aprendizaje: supervisado y no supervisado, semisupervisado, reforzado, online y batch, y basado en instancias o en modelos. Cierra con un mini resumen, los problemas que pueden surgir, cómo saber si un algoritmo funciona e hiperparámetros.
- Definición de Machine Learning y diferencia con la programación tradicional
- Aprendizaje supervisado vs no supervisado
- Aprendizaje semisupervisado y reforzado
- Aprendizaje online, batch, por instancias y por modelos
- Qué puede salir mal, evaluación e hiperparámetros
Para quién es este curso
- Personas que empiezan en inteligencia artificial y quieren una visión conceptual de Machine Learning.
- Estudiantes que necesitan un vocabulario básico (supervisado, no supervisado, hiperparámetros) antes de pasar a cursos prácticos.
Mejor busca otro si…
- Quien busque programar modelos: el material descrito es teórico.
- Quien ya conozca los tipos de aprendizaje y los conceptos básicos de Machine Learning.
Antes de empezar
La información publicada del curso no detalla requisitos previos.
Qué sabrás hacer al terminar
- Explicar qué es Machine Learning y en qué se diferencia de la programación tradicional
- Distinguir aprendizaje supervisado, no supervisado, semisupervisado y reforzado
- Diferenciar aprendizaje online y batch, y basado en instancias o en modelos
- Identificar problemas que pueden afectar a un algoritmo y cómo comprobar si funciona
- Reconocer qué son los hiperparámetros
Estructura del curso
- 01
Introducción y definición
Desde 0:00. Presenta Machine Learning, su definición y por qué usarlo en lugar de la programación tradicional, con ejemplos de aplicaciones (desde 5:46).
- 02
Tipos de aprendizaje
Desde 6:32. Aprendizaje supervisado vs no supervisado, semisupervisado (11:07), reforzado (11:59), online y batch (14:24), y basado en instancias o modelos (17:17).
- 03
Resumen, problemas y evaluación
Desde 21:10. Mini resumen, qué puede salir mal (21:23), cómo saber si el algoritmo funciona (27:09) e hiperparámetros (28:43).
Capítulos del vídeo
- 0:00Intro que no es Intro
- 0:23Conociendo Machine Learning
- 1:37Definición de Machine Learning
- 3:11¿Por qué usar Machine Learning en vez de la programación tradicional?
- 5:46Ejemplos de sus aplicaciones
- 6:32Aprendizaje supervisado vs Aprendizaje No supervisado
- 11:07Aprendizaje Semisupervisado
- 11:59Aprendizaje reforzado
- 14:24Aprendizaje Online y Aprendizaje Batch
- 17:17Aprendizaje basado en Instancias o modelos
- 21:10Mini resumen
- 21:23¿Qué puede salir mal?
Ver los 2 restantes
- 27:09¿Cómo saber si tu algoritmo está funcionando o no?
- 28:43Hiperparámetros
Plan de estudio sugerido
1 semana · unas 1 h por semana
- 1.Sesión 1: ve 0:00–6:32 y anota la definición y un ejemplo propio de aplicación.
- 2.Sesión 2: ve 6:32–21:10 y haz un cuadro comparativo de los tipos de aprendizaje.
- 3.Sesión 3: ve 21:10–30:00 y repasa problemas, evaluación e hiperparámetros con tus notas.
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
- Pausa en 6:32–17:17 y elabora una tabla con cada tipo de aprendizaje y un ejemplo.
- Usa el mini resumen de 21:10 para comprobar qué recuerdas antes de seguir.
- Después, busca un curso práctico para aplicar estos conceptos con código.
Antes y después de este curso
- Después de este cursoCURSO de MACHINE LEARNING desde CERO | (COMPLETO)Curso completo de Machine Learning desde cero para profundizar en la práctica.
- AlternativaMachine Learning Course for BeginnersOtro curso introductorio de Machine Learning, en inglés.
- AlternativaAprendiendo Machine Learning desde cero con Miss YeraIntroducción a Machine Learning desde cero en español.
Cómo lo presenta A2 Ciencia de Datos
✅ Conoce nuestro Paquete de cursos de Inteligencia Artificial en Línea:
📽 Conoce nuestro canal sobre Excel 👨💻
============================================================
❗Todo lo que necesitas saber sobre Machine Learning en solo 30 minutos❗
Machine Learning es “La ciencia de programar las computadoras para que aprendan a través de diferentes sets de datos” 🤓📚 Con el puedes crear…
Extracto de la descripción original en YouTube.
Preguntas frecuentes
+¿Cuánto dura?
Unos 30 minutos, divididos en 14 capítulos. Con pausas y notas, una hora o algo más basta.
+¿Necesito saber programar?
La descripción no indica requisitos y el contenido listado es conceptual, así que no parece necesario.
+¿Qué tipos de aprendizaje explica?
Supervisado, no supervisado, semisupervisado, reforzado, online, batch y basado en instancias o en modelos.
+¿Es un curso completo?
No. Según la descripción es el primer capítulo de un curso más amplio.
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 A2 Ciencia de Datos; 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.