Nvidia ha puesto a disposición del público una serie de cursos gratuitos y auto-formativos que cubren desde fundamentos de IA generativa y RAG hasta agentes con LLMs, visión por computador y análisis de vídeo en tiempo real. A continuación, una selección de 9 recursos clave —todos con enlace directo— y una breve guía para elegir por dónde empezar.
Los 9 que no deberías perderte
- Acelerar flujos de trabajo de ciencia de datos
Aprende a acelerar pipelines con RAPIDS/cuDF (pandas-like en GPU), Polars y Dask, manteniendo el mismo código o con mínimos cambios. Ideal para quien ya hace análisis en CPU y quiere recortar tiempos de ejecución sin reescribirlo todo.
🔗 https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+T-DS-03+V1 (NVIDIA) - Comenzar con IA (Jetson Nano)
Monta el entorno en Jetson Nano y crea tu primer proyecto de visión con cuadernos Jupyter: captura de datos, anotación, entrenamiento e inferencia. Recomendado si te interesa IA embebida/edge.
🔗 https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-RX-02+V2 (NVIDIA) - IA generativa explicada
Un recorrido claro por conceptos, casos de uso, retos y oportunidades de la IA generativa. Orientado a perfiles generales que necesitan entender el “qué” y el “por qué” antes del “cómo”.
🔗 https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-FX-07+V1 (NVIDIA) - Construir un cerebro en 10 minutos
Mini-laboratorio para comprender la intuición detrás de las primeras redes neuronales (cómo “aprenden” y la matemática de una neurona). Perfecto para quitarse el miedo a la IA con un ejercicio guiado.
🔗 https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+T-FX-01+V1 (X (formerly Twitter)) - Aumenta tu LLM con RAG
Introducción práctica a Retrieval-Augmented Generation: cuándo usarlo, cómo orquestar la recuperación y qué componentes entran en juego para mejorar respuestas con tu propio conocimiento.
🔗 https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-FX-16+V1 (NVIDIA) - Construcción de agentes con LLMs
Pasos para diseñar y desplegar agentes que planifican, llaman herramientas y escalan con usuarios y cargas reales. Incluye composición avanzada (razonamiento interno, diálogo, tooling y RAG).
🔗 https://courses.nvidia.com/courses/course-v1:DLI+S-FX-15+V1/ (courses.nvidia.com) - Dominar sistemas de recomendación (Grandmaster Series + Merlin)
Estrategias de Kaggle Grandmasters aplicadas a recomendaciones (validación, feature engineering, ensembling) y marco NVIDIA Merlin para pipelines modernos end-to-end.
🔗 Guía técnica: https://developer.nvidia.com/blog/how-to-build-a-winning-recommender-system-part-1/ • Framework Merlin: https://developer.nvidia.com/merlin (NVIDIA Developer) - Clasificación de imágenes a gran escala (Grandmaster Series)
Cómo abordar datasets con decenas de miles de clases (ej. Google Landmark): retos, técnicas de modelado y validación de soluciones ganadoras. Recurso valioso para visión por computador avanzada.
🔗 https://developer.nvidia.com/blog/grandmaster-series-how-to-perform-large-scale-image-classification/ (NVIDIA Developer) - Building Video AI / DeepStream
Crea aplicaciones de vídeo en tiempo real con DeepStream: ingestión, inferencia y analítica, tanto general como en el borde con Jetson.
🔗 Real-time (general): https://courses.nvidia.com/courses/course-v1:DLI+S-IV-01+V1/ • Edge/Jetson: https://courses.nvidia.com/courses/course-v1:DLI+S-IV-02+V2/ (courses.nvidia.com)
¿Por dónde empezar?
- Cero experiencia → IA generativa explicada + Construir un cerebro en 10 minutos. (NVIDIA)
- Trabajo con datos → Acelerar flujos de trabajo de ciencia de datos y, después, RAG. (NVIDIA)
- Quiero lanzar producto con IA → Construcción de agentes con LLMs + RAG. (courses.nvidia.com)
- Visión por computador → Clasificación a gran escala + Building Video AI. (NVIDIA Developer)
- IoT / Edge → Comenzar con IA (Jetson Nano) + Video AI en Jetson. (NVIDIA)
Consejos rápidos para exprimirlos
- Bloques de 60–90 minutos y un mini-proyecto por curso (por ejemplo, un notebook de RAG con tus documentos, o un pipeline básico de DeepStream).
- Documenta en GitHub/portfolio lo que aprendas (instalación, decisiones, métricas).
- Encadena cursos afines (RAG → Agentes; RAPIDS → Recomendadores con Merlin).
Preguntas frecuentes
¿Son realmente gratis?
Sí, Nvidia ofrece una selección de cursos auto-formativos gratuitos; algunos talleres impartidos por instructor son de pago. Consulta siempre la ficha de cada curso. (NVIDIA)
¿Necesito GPU o hardware específico?
Para teoría y muchos notebooks no es imprescindible. Los itinerarios de Jetson o vídeo en tiempo real se aprovechan más con hardware compatible (Jetson, GPU). (NVIDIA)
¿Ofrecen certificado?
Algunos cursos auto-ritmo incluyen certificado de competencia; ver detalle en la página de cada recurso. (NVIDIA)
La idea fuerza
Si estás empezando, elige uno hoy y completa un pequeño proyecto en una tarde. Si ya tienes base, combina RAG + Agentes o Merlin + DeepStream para habilidades muy demandadas en 2025.
