SenseiTeoría desde cero0/21

El puente con la Ronda de Diseño

Para leer la Ronda

What to read before each Ronda module

La Ronda de Diseño explica todo lo que rodea al modelo en producción, como lo evalúa un entrevistador, y da por sabidos cientos de conceptos. Aquí está, módulo por módulo, qué lecciones de Sensei leer antes para entenderla completa.

Abrir la Ronda de Diseño →

Los 15 módulos de la Ronda

Cada tarjeta lista las lecciones que preparan para ese módulo, en orden de lectura. Las que ya leíste se marcan con ✓.

  1. M01El mapa y la entrevista6/7 listas
    1. 00El camino completo✓
    2. 01Qué es un modelo✓
    3. 02Una foto, vista por un modelo✓
    4. 03Datos, ejemplos, features y etiquetas✓
    5. 05¿Aprendió de verdad?✓
    6. 09Números grandes, unidades y estimaciones✓
    7. 27Archivos y formatos: JSON, CSV, Parquet y YAML · fase 6
  2. M02Patrones de inferencia2/9 listas
    1. 07Embeddings: el significado como coordenadas✓
    2. 20Hacer varias cosas a la vez: async, event loop y GIL✓
    3. 21Cómo viaja un mensaje: IP, puertos y DNS · fase 5
    4. 22HTTP: requests, respuestas y códigos · fase 5
    5. 23APIs: REST, JSON, gRPC y streaming · fase 5
    6. 25Timeouts, reintentos e idempotencia · fase 5
    7. 28Bases de datos: tablas, SQL y llave-valor · fase 6
    8. 30Colas y streams: mensajes que esperan · fase 6
    9. 31Tiempo, hashes e identificadores · fase 6
  3. M03Latencia y capacidad6/11 listas
    1. 06Redes neuronales y CNNs✓
    2. 09Números grandes, unidades y estimaciones✓
    3. 10Promedios, medianas y percentiles✓
    4. 11Probabilidad para sistemas que fallan✓
    5. 16Programa, proceso e hilo✓
    6. 20Hacer varias cosas a la vez: async, event loop y GIL✓
    7. 24Balanceadores, proxies y gateways · fase 5
    8. 25Timeouts, reintentos e idempotencia · fase 5
    9. 26Qué tan rápido y cuánto: latencia y throughput · fase 5
    10. 52Código de serving · fase 12
    11. 57La request en vivo · fase 15
  4. M04Hardware para inferencia8/9 listas
    1. 04Cómo aprende un modelo✓
    2. 06Redes neuronales y CNNs✓
    3. 08Transformers y LLMs✓
    4. 09Números grandes, unidades y estimaciones✓
    5. 14Cómo guarda números una computadora✓
    6. 15Matrices, FLOPs y qué tan rápido calcula una GPU✓
    7. 17Memoria, caché y disco✓
    8. 18CPU y GPU✓
    9. 40Máquinas, GPUs y cómo se cobran · fase 8
  5. M05Contenedores2/9 listas
    1. 17Memoria, caché y disco✓
    2. 19El sistema operativo: Linux, archivos y permisos✓
    3. 32La terminal y la shell · fase 7
    4. 33Python, paquetes y entornos · fase 7
    5. 35Git: versiones del código · fase 7
    6. 37Configuración: YAML, variables de entorno y secretos · fase 7
    7. 46Ataques y cadena de suministro · fase 9
    8. 53Empaquetado con Docker · fase 13
    9. 54CI/CD y registro de imágenes · fase 13
  6. M06Orquestación y escalado3/11 listas
    1. 16Programa, proceso e hilo✓
    2. 18CPU y GPU✓
    3. 19El sistema operativo: Linux, archivos y permisos✓
    4. 21Cómo viaja un mensaje: IP, puertos y DNS · fase 5
    5. 24Balanceadores, proxies y gateways · fase 5
    6. 30Colas y streams: mensajes que esperan · fase 6
    7. 32La terminal y la shell · fase 7
    8. 37Configuración: YAML, variables de entorno y secretos · fase 7
    9. 39Regiones, zonas y disponibilidad · fase 8
    10. 42Servicios gestionados, serverless y permisos · fase 8
    11. 55Kubernetes · fase 14
  7. M07Servidores de modelos8/14 listas
    1. 01Qué es un modelo✓
    2. 02Una foto, vista por un modelo✓
    3. 06Redes neuronales y CNNs✓
    4. 07Embeddings: el significado como coordenadas✓
    5. 08Transformers y LLMs✓
    6. 16Programa, proceso e hilo✓
    7. 18CPU y GPU✓
    8. 20Hacer varias cosas a la vez: async, event loop y GIL✓
    9. 22HTTP: requests, respuestas y códigos · fase 5
    10. 23APIs: REST, JSON, gRPC y streaming · fase 5
    11. 33Python, paquetes y entornos · fase 7
    12. 34PyTorch en lo que toca a producción · fase 7
    13. 44Autenticación y permisos · fase 9
    14. 52Código de serving · fase 12
  8. M08Optimización de modelos4/6 listas
    1. 06Redes neuronales y CNNs✓
    2. 14Cómo guarda números una computadora✓
    3. 15Matrices, FLOPs y qué tan rápido calcula una GPU✓
    4. 18CPU y GPU✓
    5. 34PyTorch en lo que toca a producción · fase 7
    6. 51Export, engine y paridad · fase 11
  9. M09Datos y features3/11 listas
    1. 02Una foto, vista por un modelo✓
    2. 03Datos, ejemplos, features y etiquetas✓
    3. 07Embeddings: el significado como coordenadas✓
    4. 27Archivos y formatos: JSON, CSV, Parquet y YAML · fase 6
    5. 28Bases de datos: tablas, SQL y llave-valor · fase 6
    6. 29Object storage, data lakes y warehouses · fase 6
    7. 31Tiempo, hashes e identificadores · fase 6
    8. 35Git: versiones del código · fase 7
    9. 45Datos personales y la ley · fase 9
    10. 47Datos y etiquetas · fase 10
    11. 48Versionado y linaje · fase 10
  10. M10MLOps3/10 listas
    1. 04Cómo aprende un modelo✓
    2. 05¿Aprendió de verdad?✓
    3. 12Ruido, muestras y pruebas A/B✓
    4. 33Python, paquetes y entornos · fase 7
    5. 35Git: versiones del código · fase 7
    6. 36Pruebas y CI/CD · fase 7
    7. 48Versionado y linaje · fase 10
    8. 49Entrenamiento y experimentos · fase 11
    9. 50Gate de evaluación y registry · fase 11
    10. 54CI/CD y registro de imágenes · fase 13
  11. M11Despliegue seguro2/6 listas
    1. 05¿Aprendió de verdad?✓
    2. 12Ruido, muestras y pruebas A/B✓
    3. 24Balanceadores, proxies y gateways · fase 5
    4. 36Pruebas y CI/CD · fase 7
    5. 50Gate de evaluación y registry · fase 11
    6. 56Rollout seguro · fase 14
  12. M12Monitoreo3/7 listas
    1. 07Embeddings: el significado como coordenadas✓
    2. 10Promedios, medianas y percentiles✓
    3. 13Comparar distribuciones: cómo se mide el drift✓
    4. 27Archivos y formatos: JSON, CSV, Parquet y YAML · fase 6
    5. 30Colas y streams: mensajes que esperan · fase 6
    6. 57La request en vivo · fase 15
    7. 58Monitoreo, drift y reentrenamiento · fase 15
  13. M13Nube1/8 listas
    1. 09Números grandes, unidades y estimaciones✓
    2. 21Cómo viaja un mensaje: IP, puertos y DNS · fase 5
    3. 29Object storage, data lakes y warehouses · fase 6
    4. 38Qué es la nube · fase 8
    5. 39Regiones, zonas y disponibilidad · fase 8
    6. 40Máquinas, GPUs y cómo se cobran · fase 8
    7. 41Redes en la nube: VPC, subredes y egress · fase 8
    8. 42Servicios gestionados, serverless y permisos · fase 8
  14. M14Sistemas con LLMs1/2 listas
    1. 08Transformers y LLMs✓
    2. 23APIs: REST, JSON, gRPC y streaming · fase 5
  15. M15Seguridad y confiabilidad2/13 listas
    1. 11Probabilidad para sistemas que fallan✓
    2. 19El sistema operativo: Linux, archivos y permisos✓
    3. 22HTTP: requests, respuestas y códigos · fase 5
    4. 25Timeouts, reintentos e idempotencia · fase 5
    5. 31Tiempo, hashes e identificadores · fase 6
    6. 34PyTorch en lo que toca a producción · fase 7
    7. 37Configuración: YAML, variables de entorno y secretos · fase 7
    8. 39Regiones, zonas y disponibilidad · fase 8
    9. 42Servicios gestionados, serverless y permisos · fase 8
    10. 43Cifrado, llaves y certificados · fase 9
    11. 44Autenticación y permisos · fase 9
    12. 45Datos personales y la ley · fase 9
    13. 46Ataques y cadena de suministro · fase 9