🗺️ Los temas

Los 11 temas con que este vault clasifica todo. Sirven para dos cosas: trabajar un tema completo cuando sabes que te cuesta, y encontrar tareas reales de la IOAI para practicarlo.

Cada hub dice qué abarca el tema, su alcance y prioridades de estudio, cómo se ve en competencia, la trampa típica, y las tareas ordenadas por rendimiento observado, con su ronda y tamaño de cohorte.

Del syllabus oficial

Estos siete calcan las secciones del Syllabus IOAI.

  • Fundamentos Matemáticos — Álgebra lineal, cálculo y probabilidad: el piso de todo lo demás. (el prerrequisito: no es sección del syllabus) · 1 tarea
  • Python Científico — NumPy, Pandas, Matplotlib, scikit-learn y PyTorch básico. · 0 tareas
  • ML Clásico — Regresión, árboles, SVM, ensambles, clustering y reducción de dimensión. · 7 tareas
  • Metodología y Datos — Métricas, validación, overfitting, feature engineering y preprocesamiento. · 14 tareas
  • Deep Learning — Backprop, MLP, atención, Transformers, entrenamiento y fine-tuning. · 11 tareas
  • Computer Vision — Convoluciones, clasificación, detección, segmentación, CLIP y difusión. · 8 tareas
  • NLP y Audio — Tokenización, BERT, LLMs, encoder-decoder y encoders de audio. · 12 tareas

Formas de tarea

No son secciones del syllabus: son maneras en que la IOAI plantea un problema, y se entrenan distinto de un tema de contenido.

  • Modelos Generativos — GANs, difusión y LLMs cuando lo que se pide es producir, no clasificar. · 5 tareas
  • Adversarial y Robustez — Atacar y defender modelos: perturbaciones, evasión de detectores, OOD. · 4 tareas
  • Interactivos — Tareas que conversan con un juez por protocolo, con presupuesto de turnos. · 4 tareas
  • Series de Tiempo y Señales — Señales, audio crudo, secuencias temporales y datos con estructura de orden. · 6 tareas

Las otras puertas del vault: Ruta de Aprendizaje · Referencia · IOAI