Rutas
Recorridos guiados por lo mejor del archivo: del primer paso al dominio, en orden.
La portada de tu homelab: paneles de servicios con Homepage, Homarr, Heimdall y Dashy; notificaciones push propias con ntfy y Gotify; utilidades de desarrollo con IT-Tools; y vigilancia de cambios en webs con changedetection.io.
Recupera el control de tus documentos, notas y tareas: nube privada, gestión documental, wikis, notas colaborativas, tareas, herramientas PDF y finanzas personales, todo en contenedores.
El camino guiado para montar tu propia infraestructura con Docker: instala el motor, domina redes, volúmenes, secretos, healthchecks y límites de recursos, y añade un panel, un proxy inverso, SSO y una capa de seguridad.
La capa de datos de tu infraestructura: PostgreSQL, MariaDB y Redis; almacenamiento de objetos S3 con MinIO; sincronización y copias de seguridad con Syncthing, Duplicati y Seafile, más administradores web de bases de datos.
Ejecuta modelos de lenguaje en tu propio hardware, sin API ni cuotas: de Ollama a servir modelos grandes en un Mac, más memoria vectorial para RAG.
Sabe qué hace tu servidor: métricas con Prometheus, Node Exporter y cAdvisor; paneles con Grafana; monitorización en tiempo real con Netdata y Glances; logs centralizados con Loki y en vivo con Dozzle; y un monitor ligero con Beszel.
Conecta y protege tus servicios: DNS con bloqueo de anuncios (Pi-hole, AdGuard Home), VPN WireGuard con wg-easy, proxy inverso con UI (Nginx Proxy Manager), gestor de contraseñas (Vaultwarden), domótica (Home Assistant), Git propio (Gitea), red mesh (Headscale) y metabuscador privado (SearXNG).
Los agentes que escriben y editan código por ti: Cline y Roo Code en VS Code, el Codex CLI de OpenAI, OpenHands autónomo, Goose, Gemini CLI, Windsurf y Continue.
Qué es un agente de IA y cómo piensa: el bucle agéntico y ReAct, planificación y descomposición de tareas, reflexión, memoria, intervención humana, ingeniería de contexto y los patrones multiagente.
Las piezas que conectan agentes con el mundo: construir tu propio servidor MCP, las plataformas visuales self-hosted Langflow, Flowise y Dify, integraciones con Composio, datos web con Firecrawl, navegación con browser-use y el gateway OpenRouter.
Las bibliotecas para construir tus propios agentes: OpenAI Agents SDK, Pydantic AI, smolagents, Google ADK, LlamaIndex, Semantic Kernel, Mastra, Agno y Haystack.
Ejecuta modelos con llamada a herramientas en tu propio hardware: Nous Hermes 3 y 4, Qwen-Agent, function calling con Ollama, qué modelos abiertos soportan herramientas, y las bibliotecas de salida estructurada Instructor, Outlines y DSPy.
Lo que hace fiable a un agente: observabilidad con Langfuse y Helicone, evaluación con DeepEval y promptfoo, prompt caching para reducir costes, sandboxing con E2B, despliegue en contenedor y ejecución duradera con Temporal.
El álgebra lineal y el cálculo que necesitas antes de entrenar tu primera red: vectores, matrices, derivadas, la regla de la cadena, el gradiente, y las nociones de exponenciales, logaritmos y probabilidad.
Cómo se mide el error de una red: MSE, MAE y Huber para regresión; entropía cruzada binaria y categórica para clasificación; entropía, divergencia KL y la regularización L1/L2.
De la neurona artificial a la propagación hacia delante: pesos y sesgos, la familia completa de funciones de activación (escalón, sigmoide, ReLU, GELU, Swish, ELU, SELU, Softplus, Mish) y los problemas del gradiente.
El motor de aprendizaje: descenso de gradiente, tasa de aprendizaje, SGD y mini-batch, la retropropagación paso a paso, el grafo computacional, los jacobianos de una capa y la superficie de pérdida.
Lo que mantiene estable a una red profunda: la inicialización de pesos (Xavier/Glorot y He), la normalización por lotes y de capa, y el dropout.
Más allá del descenso de gradiente básico: momentum, Nesterov, AdaGrad y RMSProp, Adam y AdamW, la programación de la tasa de aprendizaje y los métodos de segundo orden.
