Programación y herramientas para trabajar con IA
Aprender inteligencia artificial es, en la práctica, aprender a mover tensores sin equivocarse de dimensión. Esta sección junta lo necesario para llegar a ese punto: Python con soltura, NumPy con foco en shapes, y después PyTorch, que es el framework donde ocurre casi toda la investigación y buena parte de la producción.
Una habilidad muy poco enseñada y enormemente rentable: saber debuggear. Imprimir formas, verificar que el gradiente fluye, aislar la capa que rompe. Si nunca peleaste contra un shape mismatch a las dos de la mañana, todavía no aprendiste el tema. Vale más que memorizar el diagrama de una arquitectura.
JAX aparece más adelante, sobre todo si te acercás a investigación o a entrenamiento distribuido. No es un prerrequisito: es una segunda herramienta cuando ya entendés qué está haciendo la primera.
12 recursos de programación y tooling
Ordenados con los imprescindibles primero y agrupados por tipo. Los marcados con ★ son los que recomendaría alguien que ya recorrió el camino; los que dicen «gratis» no cuestan nada.
🎓 Curso
Tensores, autograd, datasets, loop de entrenamiento. Hacelo con las manos, no leyéndolo.
Broadcasting y shapes. El 80% de los bugs de ML son errores de shape.
Si todavía no programás en Python, empezá acá antes que en cualquier curso de IA.
▶️ Video
✍️ Blog/Post
Por qué tu red no entrena y qué hacer al respecto, en orden. Releelo cada vez que algo falle.
einsum/einops te ahorran años de sufrimiento con reshapes y transposes.
Por qué tratar backprop como caja negra te va a costar caro: gradientes que mueren, saturación, exploding gradients.
🐙 Repo
La librería de redes neuronales sobre JAX. Si vas a JAX, vas a pasar por acá.
Operaciones de tensores legibles. `rearrange(x, 'b h n d -> b n (h d)')` en vez de tres líneas ilegibles.
El código del video anterior. 100 líneas. Leelo entero.
📘 Docs
Preguntas frecuentes sobre programación y tooling
¿Qué lenguaje se usa para inteligencia artificial?
Python, con enorme distancia sobre cualquier otro. Todo el ecosistema (PyTorch, JAX, Hugging Face, vLLM) está en Python. C++ y CUDA aparecen cuando bajás a optimizar kernels, y Rust empieza a asomar en herramientas de inferencia, pero para aprender solo necesitás Python.
¿PyTorch o TensorFlow en 2026?
PyTorch. La investigación se publica en PyTorch, los modelos abiertos se distribuyen en PyTorch y las herramientas modernas asumen PyTorch. TensorFlow sigue existiendo en sistemas heredados, pero no es por donde conviene empezar hoy.
¿Cuánto Python necesito antes de tocar deep learning?
Funciones, clases, listas por comprensión y saber leer un stack trace. No hace falta ser experto: NumPy y PyTorch se aprenden mejor con un proyecto en la mano que con un curso de Python de cuarenta horas.