En el Módulo 11 cerramos el recorrido histórico: del MLP a las RNN y de ahí al porqué de los Transformers. Llegamos al último módulo del curso, y toca hacer lo que todo buen mapa hace — mostrar que las piezas dispersas eran, todo el tiempo, un solo territorio. Vas a ver que las cuatro grandes familias de arquitecturas que sostienen la IA de hoy no son cuatro cosas distintas que hay que aprender por separado, sino cuatro formas de acomodar las mismas piezas que ya conoces. Este módulo ordena el panorama y muestra cómo lo que aprendiste aquí es el cimiento de todo lo demás.

La tesis del módulo

No hay cuatro deep learnings, hay uno. MLP, CNN, RNN y Transformer se diferencian solo en cómo conectan las neuronas para adaptarse a su tipo de dato. Por debajo, las cinco piezas son idénticas en todas: neuronas, funciones de activación, una función de pérdida, gradientes y backpropagation. Aprende las piezas y las arquitecturas dejan de ser magia.

El cimiento común: cinco piezas, siempre las mismas

Antes de mirar las diferencias, fijemos lo que no cambia. Toda red neuronal, de la más simple al LLM más grande, se para sobre estas cinco piezas —las que recorriste en este curso—:

Pieza	Qué hace	Dónde la viste
Neurona	Entradas por pesos + bias	Módulo 1
Activación	Introduce no-linealidad (ReLU, etc.)	Módulo 2
Función de pérdida	Mide cuánto se equivoca	Módulo 4
Gradientes	Dirección para reducir el error	Módulo 4
Backpropagation	Reparte el ajuste por toda la red	Módulo 5

Cuando entiendes que un Transformer entrena con la misma pérdida, los mismos gradientes y el mismo backprop que tu red de dos capas del Módulo 8, la palabra “Transformer” pierde su aura intimidante. Es la misma maquinaria, conectada distinto.

Las cuatro familias: la misma base, distinta forma de conectar

Lo único que separa a las arquitecturas es cómo organizan las conexiones para explotar la estructura de su dato. Aquí el mapa de árbol:

               ┌────────────────┐
               │  red neuronal  │
               │ (las 5 piezas) │
               └───────┬────────┘
                       │
     ┌─────────┬───────┴───────┬─────────┐
     ▼         ▼               ▼         ▼
 ┌───────┐ ┌───────┐       ┌───────┐ ┌───────────┐
 │  MLP  │ │  CNN  │       │  RNN  │ │Transformer│
 └───────┘ └───────┘       └───────┘ └───────────┘
  tabular   imágenes        secuencias  texto y
  columnas  píxeles         histórico   casi todo

MLP (perceptrón multicapa): capas totalmente conectadas. El caballo de batalla para datos tabulares — filas y columnas, como una planilla. Todo lo que aprendiste en los módulos 1 a 8 es un MLP.
CNN (red convolucional): reutiliza filtros que barren la imagen buscando patrones locales, sin importar dónde aparezcan. Hecha para imágenes; su jerarquía de bordes → formas → objetos es la que vimos en el Módulo 9. Punto de partida: Cómo ve una máquina.
RNN (recurrente): arrastra un estado oculto paso a paso. Fue el estándar para secuencias; hoy es sobre todo histórico, superada por la atención (Módulo 11).
Transformer: cada elemento mira a todos los demás con atención, en paralelo. Nació para texto y hoy domina casi todo — lenguaje, imágenes, audio, código. Es la base de cada LLM. Empieza por Del texto a números.

Ojo con el “casi todo” del Transformer: que domine no borra a las demás. Para una planilla de datos tabulares, un MLP (o, más a menudo, el gradient boosting del Curso de Machine Learning) suele ganarle a un Transformer. La arquitectura correcta es la que calza con la estructura del dato, no la más de moda.

Este curso, y los tres que se apoyan en él

Este era el itinerario fundacional: la base sobre la que se construyen los tres cursos de la academia que vienen directamente después. Con lo que aprendiste aquí, cada uno deja de ser un mundo aparte:

Transformers y LLM — son embeddings (Módulo 10) más atención más las residual connections del Módulo 9, entrenados con la misma pérdida y backprop de aquí.
Generación de imágenes — son CNN (y hoy también Transformers) sobre píxeles, con la jerarquía de features que ya entiendes.
GPU para IA — es el fierro que hace posible entrenar y correr todo esto; el paralelismo que las RNN no aprovechaban y que los Transformers exprimen.

Los tres bloques de este curso, en un solo mapa:

 bloque básico       bloque intermedio    bloque avanzado
 la neurona          cómo se entrena      profundidad y
 y la red                                 arquitecturas
 ┌──────────────┐    ┌──────────────┐    ┌──────────────┐
 │ neurona      │    │ pérdida      │    │ por qué      │
 │ activaciones │──► │ backprop     │──► │ profundas    │
 │ feed-forward │    │ entrenar     │    │ embeddings   │
 │ (M1–M3)      │    │ regularizar  │    │ RNN y mapa   │
 │              │    │ PyTorch      │    │ (M9–M12)     │
 │              │    │ (M4–M8)      │    │              │
 └──────────────┘    └──────────────┘    └──────────────┘
   qué es una red      cómo aprende        cómo escala y
                                           dónde encaja

La progresión completa: entiendes la pieza mínima, la haces aprender, y descubres cómo esa misma maquinaria escala en profundidad, aprende representaciones y toma la forma de las grandes arquitecturas. Ese era el contrato del Módulo 1 —“la base sobre la que se construye todo el deep learning moderno”— y está cumplido.

Errores comunes

Estudiar cada arquitectura como si fuera un tema nuevo desde cero. Comparten casi todo: las cinco piezas base. Solo cambia cómo se conectan.
Creer que el Transformer volvió obsoleto todo lo demás. Para tabular, un MLP; para muchos casos de visión, una CNN sigue siendo eficiente y suficiente. Elige por el dato, no por la moda.
Saltarse los fundamentos para ir directo a los LLM. Sin neurona, pérdida y backprop claros, un Transformer es una caja negra que se memoriza pero no se entiende. Justamente lo que este curso evita.
Confundir arquitectura con inteligencia. Ninguna de estas familias “entiende” nada: todas ajustan pesos para minimizar una pérdida. La potencia sale de la escala y los datos, no de magia.

La frase para llevarse

“No aprendiste cuatro arquitecturas: aprendiste una maquinaria —neurona, activación, pérdida, gradiente, backprop— y cuatro maneras de acomodarla según el dato. Ese es el mapa completo, y ahora es tuyo.”

Qué viene: fin del curso

Doce módulos: de “¿qué es una neurona artificial?” al mapa donde encaja cada arquitectura del deep learning moderno. Recorriste la pieza mínima, viste cómo aprende, cómo escala en profundidad, cómo inventa representaciones y cómo esas mismas bases se moldean en MLP, CNN, RNN y Transformer.

Si completaste la serie con tu cuenta de la academia, el certificado es tuyo. El glosario de Redes Neuronales queda como referencia permanente para cuando una palabra se te escurra. Y este era el cimiento: desde aquí, los cursos de Transformers, generación de imágenes y GPU para IA dejan de ser terreno desconocido y pasan a ser, simplemente, el siguiente paso.

Redes Neuronales — Módulo 12: el mapa completo — dónde encaja cada arquitectura