AI Engineering from Scratch: elegir una ruta en el temario
Medir tiempo, gasto y aprendizaje con pruebas ejecutables
Comparar rutas mediante sesiones propias, no mediante el número de lecciones.
Qué aprenderás
- Definir el resultado antes de leer
- Contar dependencias de pago
- Conservar errores útiles
Antes de empezar
- Uso básico de la terminal
- Un objetivo acotado y una copia desechable
Mostrar comandos, cambios y fallos para que otros puedan revisar lo aprendido.
Conclusiones clave
- La cantidad de lecciones no estima duración personal.
- El coste depende de ejercicios y proveedores elegidos.
- Los errores forman parte del registro de progreso.
Definir el resultado antes de leer
En matemáticas puedes exigir una explicación de una multiplicación matriz-vector y un cambio de entrada que siga funcionando. En agentes, puedes seguir una llamada de herramienta y su fallo. Escríbelo antes de estudiar; el cuestionario no será el único criterio.
Registra por separado minutos de lectura, ejecución y depuración. Una ruta corta con prerrequisitos ocultos puede costar más que una larga; el recuento de lecciones no predice la duración personal.
Contar dependencias de pago
Los primeros ejemplos pueden ejecutarse localmente. Los ejercicios LLM y de agentes posteriores quizá usen proveedores o hardware más pesado. Registra modelo, tokens y tiempo de dispositivo solo cuando una ejecución real los haya producido.
No copies gastos medidos en otro equipo. Fija un límite para practicar y una condición de parada si una lección pide un servicio de pago que aún no has elegido.
Conservar errores útiles
Guarda comandos fallidos y respuestas equivocadas con su ruta de lección. Repite un caso tras corregirlo y explica qué cambió; esto informa más que un porcentaje de finalización.
Esta serie no ejecutó un benchmark educativo. La tabla siguiente es una propuesta para el lector, no una función automática del repositorio.
Cómo elegir
| Criterio | Opción A | Opción B |
|---|---|---|
| Best when | You need predictable behavior and easy auditing | You need adaptive optimization and have reliable telemetry |
| Main risk | May leave performance on the table | Can become difficult to explain or debug |
Pasos de implementación
- 1
Define un resultado observable por lección.
- 2
Mide tiempo y uso de pago realmente incurrido.
- 3
Repite un error y explica la corrección.
Ejemplo para copiar
leccion,objetivo,minutos_lectura,minutos_ejecucion,uso_pagado,resultado,pendiente
01-dev-environment,explicar comprobacion,,,,sin-ejecutar,Preguntas frecuentes
¿Cuánto tarda el currículo completo?
El repositorio no fija una duración universal; mide tu ruta con tus prerrequisitos.
¿Ejecutar todas las lecciones es gratis?
El material es abierto, pero una práctica concreta puede requerir cómputo o modelos de pago.
Fuentes
- AI Engineering from Scratch / README.mdFuente verificada 2026-09-29
- AI Engineering from Scratch / phases/00-setup-and-tooling/01-dev-environment/docs/en.mdFuente verificada 2026-09-29