Ruta de Aprendizaje IA: Fundamentos a Práctica

Introducción a la IA local: aprenderás cómo funcionan modelos de lenguaje como Llama, Qwen y Mistral en tu propio ordenador mediante herramientas como Ollama, llama.cpp, LM Studio u Open WebUI. Descubrirás conceptos clave que encontrarás en todas partes: modelos cuantificados, GGUF, ventana de contexto, RAG y modelos de embedding. Piénsalo como tu propio ChatGPT, solo que tus datos permanecen en tu poder y la factura mensual es de cero euros.

Por qué importa: sin fundamentos sólidos, después comprarás VRAM para un modelo que tu ordenador nunca podrá cargar.

La lista siguiente está ordenada según la forma más natural de aprender el tema: primero comprender, luego experimentar, después profundizar. Marca lo que ya hayas leído o implementado. Tu progreso se guarda localmente en el navegador.

Introducción y descripción general

• IA localEinsteiger

Fundamentos de IA local

• Fundamentos de IA localEinsteiger
• Glosario de fundamentos de IAEinsteiger
• Longitud de contextoEinsteiger
• Ejecutar LLM localmenteEinsteiger
• IA local frente a IA en la nubeEinsteiger
• CuantificaciónEinsteiger
• Requisitos de RAM y VRAMEinsteiger
• ¿Qué es la IA local?Einsteiger

Memoria de agentes para agentes de IA

• Memoria de agentes para agentes de IAFortgeschritten

RAG local

• RAG localEinsteiger
• Bases de datos de vectoresEinsteiger
• Modelos de embedding para RAGFortgeschritten
• Fundamentos de RAGEinsteiger
• Configurar ChromaEinsteiger
• Preparar documentos: estructurar datos para RAGEinsteiger
• Búsqueda híbrida: combinar semántica y léxicoEinsteiger
• PDF y OCR: documentos escaneados para RAGEinsteiger
• Citas en RAG: respuestas trazablesEinsteiger
• RAG frente a ventana de contexto: cuándo necesito cada unoEinsteiger
• Probar calidad de RAG: métricas y métodosEinsteiger
• Tutoriales de RAG: guías paso a pasoEinsteiger
• Reranking: mejorar resultados de RAGEinsteiger
• Mantener la base de conocimiento: gestionar datos de RAGEinsteiger
• ChunkingFortgeschritten
• Milvus: base de datos de vectores para gran escalaFortgeschritten
• pgvector: búsqueda vectorial en PostgreSQLFortgeschritten
• Configurar QdrantFortgeschritten
• Weaviate: base de datos de vectores con API GraphQLFortgeschritten
• FAISS: búsqueda vectorial de Meta para investigaciónExperte

Modelos de IA local

• Modelos de IA localEinsteiger
• Modelos de embedding para IA localFortgeschritten
• Modelos de texto para IA localEinsteiger
• Modelos de código para IA localFortgeschritten
• Modelos de razonamiento para IA localExperte
• Ejecutar modelos de visión localmenteExperte
• Modelos de texto a voz ejecutados localmenteFortgeschritten
• Modelos de reranking para RAG localExperte
• Modelos de voz a texto ejecutados localmenteFortgeschritten
• Ejecutar modelos de imagen localmenteExperte
• Usar modelos Mistral localmenteFortgeschritten
• Entender modelos MoE: Mixture of Experts para IA localFortgeschritten
• Qwen3.8-27B evaluado honestamente: monstruo de código, no diccionarioFortgeschritten
• Modelos DeepSeek: razonamiento y código desde ChinaEinsteiger
• Modelos Gemma: IA ligera de GoogleEinsteiger
• Modelos Llama: serie de código abierto de MetaEinsteiger
• Encontrar modeloEinsteiger
• Modelos Phi: IA compacta de MicrosoftEinsteiger
• Modelos Qwen: serie multilingüe de AlibabaEinsteiger
• Benchmarks de IA: comparar modelos objetivamenteFortgeschritten
• Comparación de cuantificación: Q4, Q5, Q8 en la prácticaFortgeschritten

IA Multimodal

• Generación de imágenes con IA localFortgeschritten
• Speech-to-Text con IA localFortgeschritten
• Análisis de imágenes con IA localFortgeschritten
• Análisis de vídeo con IA localExperte
• Procesamiento de audio con IA localFortgeschritten
• Construir pipelines de IA multimodal en localExperte
• Análisis de documentos con IAExperte
• Asistentes de voz multimodalesExperte

Cuantización de modelos de IA

• Cuantización de modelos de IAEinsteiger
• Fundamentos de la cuantización de modelosFortgeschritten

Calculadora de cuantización para modelos de IA

• Calculadora de cuantización para modelos de IAEinsteiger

Software de IA local

• Software de IA localEinsteiger
• OllamaEinsteiger
• Funciones de Ollama (Function Calling)Experte
• API REST de OllamaFortgeschritten
• Ciclo de vida de modelos en OllamaFortgeschritten
• Optimizar rendimiento en OllamaFortgeschritten
• Asegurar OllamaFortgeschritten
• Ollama como servicio SystemdEinsteiger
• Los comandos más importantes de OllamaEinsteiger
• Embeddings con OllamaFortgeschritten
• Modelos Vision con OllamaFortgeschritten
• Ollama para CodingFortgeschritten
• Modelfiles en OllamaFortgeschritten
• Ajuste fino de modelos en OllamaExperte
• Bibliotecas de API para OllamaFortgeschritten
• Cuantización en la práctica con OllamaExperte
• Construir RAG con OllamaExperte
• Evaluar modelos de OllamaFortgeschritten
• Usar MCP con OllamaFortgeschritten
• API compatible con OpenAI en OllamaFortgeschritten
• Prompt Engineering para OllamaEinsteiger
• Integrar Ollama en otras herramientasFortgeschritten
• Prompts de sistema para OllamaEinsteiger
• Copia de seguridad de modelos y datos en OllamaEinsteiger
• Ollama para automatizaciónFortgeschritten
• Análisis de datos con OllamaFortgeschritten
• Flujos de trabajo con agentes en OllamaExperte
• Actualizar y gestionar modelos en OllamaEinsteiger
• Function Calling con OllamaExperte
• Mover y migrar modelos en OllamaFortgeschritten
• Solucionar problemas en la API de OllamaFortgeschritten
• Importar modelos GGUF en OllamaFortgeschritten
• Benchmarking de modelos en OllamaFortgeschritten
• Entender la longitud de contexto en OllamaFortgeschritten
• Optimizar velocidad en OllamaExperte
• Recomendaciones de modelos Ollama por caso de usoEinsteiger
• API Vision de OllamaFortgeschritten
• Comparar modelos de embedding en OllamaFortgeschritten
• Usar Ollama de forma remotaFortgeschritten
• Ollama detrás de un proxy inversoFortgeschritten
• Ejecutar Ollama en DockerFortgeschritten
• Galería de modelos de OllamaEinsteiger
• Comparación de modelos en OllamaFortgeschritten
• Usar Ollama para agentes de IAFortgeschritten
• Continue: Asistente de IA para el IDEEinsteiger
• AnythingLLM con Ollama mediante Docker ComposeEinsteiger
• Múltiples usuarios en Open WebUIFortgeschritten
• Configurar RAG en Open WebUIFortgeschritten
• Funciones de Open WebUIEinsteiger
• Herramientas y extensiones de Open WebUIExperte
• Gestionar Ollama en Open WebUIEinsteiger
• Administración de Open WebUIFortgeschritten
• AnythingLLM: Aplicación de escritorio RAG para IA localEinsteiger
• Jan: Cliente de IA offline para escritorioEinsteiger
• KoboldCpp: Juegos de rol y textos creativos en localEinsteiger
• LM Studio: Interfaz gráfica para IA localEinsteiger
• Ollama en Linux: Instalación y configuraciónEinsteiger
• Ollama en macOS: Instalación y configuraciónEinsteiger
• Ollama en Windows: Instalación y configuraciónEinsteiger
• Ollama Solución de problemas: Resolver problemas comunesEinsteiger
• Requisitos de hardware para Ollama: ¿Qué necesitas realmente?Einsteiger
• Instalar OllamaEinsteiger
• Configuración de Ollama: Todas las opciones y ajustesEinsteiger
• Ollama con Docker: IA local containerizadaEinsteiger
• Gestionar modelos en OllamaEinsteiger
• Acceso de red en Ollama: Configurar acceso remotoEinsteiger
• Open WebUI: Alternativa a ChatGPT para IA localEinsteiger
• llama.cpp: El motor bajo la capuchaFortgeschritten
• Usar la API de OllamaFortgeschritten
• vLLM: Inferencia de alto rendimiento para servidoresExperte

---

¿Completado? Continúa en la próxima categoría en el ruta de aprendizaje de IA gratuita.