🗺️ 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