The Full Stack
The Full Stack (Full Stack Deep Learning) · Aprendizaje · Otro · Prompts
The Full Stack es una serie de cursos gratuitos creada por exalumnos de doctorado de UC Berkeley que enseña a construir productos de IA, desde el trabajo con datos hasta el despliegue y los LLMOps.
Acerca de The Full Stack
About
Qué es The Full Stack
The Full Stack, conocido también como Full Stack Deep Learning, es un proyecto didáctico de un equipo pequeño de exalumnos de doctorado de UC Berkeley que han puesto en producción sistemas de machine learning en OpenAI, Weights & Biases y empresas propias. La idea de partida es sencilla: entrenar el modelo es lo fácil, y todo lo que lo rodea decide si el producto funciona.
El material recorre el ciclo completo de un producto con IA. Empieza por elegir un problema que valga la pena y sigue con la gestión de datos y experimentos, las pruebas de un modelo que cambia cada semana, el despliegue y la vigilancia después del lanzamiento. La rama más reciente, centrada en LLM, añade ingeniería de prompts, modelos de lenguaje aumentados y las dudas de diseño que traen las interfaces de chat. Quien busca un curso gratuito de IA encuentra aquí una base amplia, y el hilo de desarrollo de productos de IA se mantiene de la primera clase a la última.
El límite principal es la vigencia. Las clases son grabaciones, así que describen las herramientas y la capacidad de los modelos del año en que se grabaron. El equipo lo advierte en la propia web, y conviene leer los nombres de librerías como ejemplos históricos, no como recomendaciones actuales. Tampoco hay grupo, correcciones ni comentarios de un instructor en la versión gratuita.
Primeros pasos
- Abre fullstackdeeplearning.com y elige una rama: el curso de deep learning de 2022 o el LLM Bootcamp de 2023.
- Revisa el calendario y empieza por la clase sobre la visión del curso y cuándo usar machine learning, que ordena el resto de la serie.
- Mira los prelabs de CNN, transformers y PyTorch Lightning si tu base de deep learning es floja.
- Sigue un laboratorio de principio a fin, por ejemplo el de gestión de experimentos o el de despliegue web, con un proyecto propio en lugar de un dataset de ejemplo.
- Suscríbete a la lista de correo o al canal de YouTube si quieres enterarte de próximas ediciones.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de The Full Stack.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Ingenieros de software que pasan a trabajar con IA
- Ingenieros de ML con experiencia entrenando modelos
- Product managers y fundadores que evalúan una función de IA
- Estudiantes e investigadores
Tareas
- Decidir si un problema necesita machine learning
- Montar el seguimiento de experimentos y las pruebas
- Llevar un modelo del notebook a producción
- Aprender cómo se construyen las apps con LLM
Casos de uso
- Estudio por cuenta propia durante unas semanas
- Incorporar a un equipo a las prácticas de ML en producción
- Probar antes de pagar un bootcamp o un curso de MLOps
Funciones clave
Biblioteca gratuita de clases de 2022
Nueve clases grabadas recorren la visión del curso, la infraestructura de desarrollo, la depuración y la evaluación, la gestión de datos, el despliegue, el aprendizaje continuo, los modelos fundacionales, el trabajo en equipo y la ética. Cada clase viene con diapositivas y un resumen escrito, así que puedes leer en vez de mirar. Todo el conjunto sigue abierto y el equipo lo describe como gratuito para siempre.
Grabaciones del Full Stack LLM Bootcamp
El LLM Bootcamp de abril de 2023 añade ocho sesiones sobre aplicaciones con modelos de lenguaje: ingeniería de prompts, LLMOps, diseño de interfaces conversacionales, modelos aumentados y un recorrido que levanta una app con LLM en una hora. Son las grabaciones de un evento presencial, publicadas con el mismo acceso libre que el material anterior.
Laboratorios prácticos
Ocho laboratorios acompañan a las clases de 2022 y recorren la gestión de experimentos, el etiquetado de datos, la depuración, el despliegue web y la monitorización de modelos. Cada uno usa un stack real, no un ejemplo de juguete, así que terminas con algo que puedes desplegar. Los laboratorios son la parte que convierte las clases en habilidades reutilizables en el trabajo.
Cobertura de LLMOps
La clase de LLMOps aborda el lado operativo de publicar funciones con modelos de lenguaje: evaluar salidas que no tienen una respuesta correcta, seguir el coste y la latencia, y asumir que una actualización del modelo cambia el comportamiento de un día para otro. Es el material que suele faltar cuando el primer prototipo se cruza con usuarios reales. Se queda en primeras decisiones y pistas, no en un manual de ingeniería completo.
Ingeniería de prompts y diseño de interfaz
Dos sesiones tratan los prompts y el diseño de interfaz como problemas de producto, no como trucos. La clase de ingeniería de prompts cubre prompts estructurados, ejemplos few-shot y formas de fallar; la de UX mira cómo un chat esconde o expone el estado del sistema. Ver las dos seguidas sirve más que ver una sola, porque un buen prompt en una mala interfaz sigue fallando.
Ruta de aprendizaje con proyecto
El curso de 2022 incluye un proyecto en grupo con propuestas, hitos y presentación final, y las charlas de los proyectos están publicadas. Puedes seguir la misma estructura por tu cuenta: elige una idea pequeña, pásala por los laboratorios y preséntala a un amigo o compañero para recibir feedback. Los proyectos enseñan qué alcance es realista para unas semanas a tiempo parcial.
Ventajas y desventajas
Ventajas
- Todo es gratis, incluidas diapositivas, laboratorios y grabaciones, sin muro de registro delante de las clases.
- Los instructores han puesto sistemas reales en producción en OpenAI, Weights & Biases y Volition, así que los consejos vienen del trabajo real y no de la teoría.
- El alcance cubre las partes poco vistosas que deciden un proyecto: gestión de datos, pruebas y monitorización.
- Los laboratorios usan de punta a punta herramientas vigentes en su momento, lo que hace fácil copiar el flujo en tu propio repositorio.
- La rama de LLM trata el diseño de interfaz y la evaluación, dos temas que casi todo el contenido sobre prompts se salta.
Desventajas
- Las grabaciones envejecen rápido. Los nombres de herramientas y la capacidad de los modelos de 2022 y 2023 han cambiado, así que toca consultar la documentación actual para cualquier detalle de versión.
- No hay grupo, fecha límite ni comentarios, y terminar se vuelve difícil para quien necesita presión externa.
- La versión gratuita no da certificado ni credencial, así que por sí sola no cubre requisitos de formación reglada.
- En muchos temas operativos se queda en primeras decisiones y pistas, lo que deja huecos si necesitas una guía profunda de producción para un stack concreto.
Preguntas frecuentes
Sí. Todas las clases, diapositivas, laboratorios y grabaciones de la web se pueden ver sin pagar, y el equipo afirma que el material de 2022 es gratuito para siempre. No hay plan de pago ni cuenta obligatoria para llegar a los vídeos.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con The Full Stack.
Alternativas a The Full Stack
Coddy
Coddy · Programación · AprendizajeCoddy es una plataforma con lecciones cortas e interactivas para aprender a programar en más de 20 lenguajes, con editor en el navegador, tutor de IA y certificados gratuitos.
Marv
Cameron (independent developer) · Programación · Productividad · AprendizajeMarv es un compañero de cursor con IA para Windows y Mac. Ve tu pantalla, responde en voz alta y dibuja flechas y resaltados que señalan el siguiente clic.
Teachoo
iAsk AI · Aprendizaje · ChatbotTeachoo es una ayuda con los deberes con IA, gratis, que acompaña al estudiante por ejercicios de matemáticas, ciencias, escritura y programación paso a paso, con fotos, pistas y tarjetas de memoria.