Fine-tuning y post-training de LLMs
Aprende a preparar datasets, entrenar LoRA/QLoRA con PEFT, TRL, Unsloth o Axolotl, evitar overfitting, evaluar mejoras y exportar modelos a GGUF/Ollama para usarlos en local.
Tu siguiente acción
Abre la primera misión, termina una práctica pequeña y guarda una evidencia. Si el curso te supera, vuelve a la ruta de inicio: no tienes que dominarlo todo hoy.
- 1 Abre una lección
- 2 Haz la misión
- 3 Guarda evidencia
confianza del cursoRevisión editorial del Necesita revisión · 2 fuentes primarias · catálogo editado el
Alcance: Datasets, LoRA/QLoRA, SFT, Axolotl, Unsloth, evals, overfitting, exportación, licencias y límites reales de publicación de modelos ajustados.
- Curso especializado.
- Revisión semanal por cambios de modelos, librerías y licencias.
- Énfasis en evals antes de publicar modelos.
Esta ficha no sustituye la prueba local de cada tutorial técnico. Si una lección incluye comandos, versiones, precios o plataformas externas, debe volver a contrastarse con sus fuentes oficiales antes de marcarse como probada.
Qué serás capaz de hacer
- Preparar datasets de calidad
- Entrenar LoRA o QLoRA de forma reproducible
- Detectar overfitting y exportar a GGUF
Un adaptador evaluado y exportado para ejecutarse con herramientas locales.
Perfiles técnicos que necesitan adaptar un modelo abierto a una tarea concreta.
- • Python intermedio
- • Acceso a una GPU compatible o entorno de entrenamiento
Temario
Antes de entrenar2 lecciones
Entrenamiento práctico3 lecciones
Evaluar y usar3 lecciones
Mapa completo de Aulafy
Cómo se relacionan todos los cursos
No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.
- 1Comprender
- 2Aplicar o construir
- 3Operar con confianza
Empieza aquí
Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.
Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.
Elige una aplicación
Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.
Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.
Construye con código
Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.
Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.
Lleva sistemas a producción
Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.
No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.