elaprendiz0000

Hace tiempo que no tocaba nada de IA en mi PC, y al echar un ojo descubrí varios programas que no recordaba para qué eran y, sobre todo, modelos de hace año y medio acumulando polvo en el disco. Lo que empezó como una limpieza acabó siendo una puesta al día completa: Ollama, conceptos fundamentales, mapa del ecosistema, comparativas, y un setup de Python desde cero. Lo dejo aquí ordenado por si a alguien le sirve. 1. El punto de partida: 42 GB de modelos zombi Lo primero que encontré fue Ollama corriendo en segundo plano (ese icono pequeño en la barra de tareas que llevaba meses sin tocar). Un ollama list reveló cinco modelos descargados hacía 18 meses, ocupando casi 42 GB: llama-3-8B-programming-questions — 16 GB SuperNova-Medius-Q8_0 — 15 GB uncensored_wizard_7b — 4.1 GB llama3.2 — 2 GB llama3.1 — 4.7 GB En el mundo de la IA, 18 meses son una eternidad. Han salido Llama 3.3 y 4, Qwen 2.5 y 3, DeepSeek-V3 y R1, Gemma 3 y 4, gpt-oss... cualquiera de los nu...

  1. Activamos el entorno Conda (base):      conda activate base && conda init bash 2 .Creamos un entorno virtual python para aislarnos de las dependencias de paquetes del entorno que tenemos instalado en el Sistema operativo. El siguiente comando lo ejecutamos tras haber ejecutado el el comanto del punto 1.     python -m venv cuda 3. Activamos el entorno cuda      source ./cuda/bin/activate 4. Instalamos el framework Pytorch: pip3 install torch --index-url https://download.pytorch.org/whl/cu118 PyTorch es un popular marco de aprendizaje automático de código abierto basado en la biblioteca Torch. Se utiliza principalmente para aplicaciones como visión por computadora, procesamiento del lenguaje natural y aprendizaje profundo 123. PyTorch es preferido sobre otros marcos de aprendizaje profundo como TensorFlow y Keras ya que utiliza gráficos de cálculo dinámico y es completamente Pythonic 2. PyTorch es una biblioteca optimizada de tenso...

 Un "learning path" para crear programas de inteligencia artificial (AI) basados en modelos de internet con Python puede ser emocionante y gratificante. A continuación, te proporciono un camino de aprendizaje con pasos y recursos recomendados para que puedas adentrarte en el mundo de la inteligencia artificial:   Nivel 1: Fundamentos de Python y Machine Learning   1. Aprende Python:    - Comienza por aprender Python, ya que es el lenguaje de programación más utilizado en la comunidad de inteligencia artificial.    - Recomendación: Codecademy, Python.org, libros de Python como "Automate the Boring Stuff with Python" de Al Sweigart.   2. Introducción a Machine Learning:    - Familiarízate con los conceptos básicos de machine learning.    - Recomendación: Curso "Machine Learning" de Andrew Ng en Coursera o el libro "Introduction to Machine Learning with Python" de Andreas C. Müller y Sarah Guido.   Nivel 2: Bibliotecas y Fram...