Estas son experiencias reales de personas que completaron alguno de nuestros programas. Sin editar para que suenen mejor.
← InicioDiana Restrepo
Bogotá · Primeros Modelos · Jun 2025
La parte que más me ayudó fue implementar el gradiente descendente a mano. Había visto la fórmula varias veces en otros recursos y no le había encontrado el sentido. Cuando lo escribí yo, con mis errores y mis correcciones, se me armó el rompecabezas. La revisión del proyecto fue específica y útil, no genérica.
Julián Arango
Medellín · Track de Visión · May 2025
El proyecto donde recopilé mis propios datos fue el que más tiempo tomó y el que más me enseñó. Etiqueté imágenes de piezas de un proceso industrial que conozco. Ver cómo el modelo fallaba en ciertas condiciones de luz me explicó cosas que ninguna clase hubiera podido explicarme. La carga del track es real, aviso.
Camila Morales
Cali · Prácticas de Ingeniería · Abr 2025
Podía entrenar modelos. Lo que no podía era entregárselos a nadie. Ese era exactamente el problema que el programa resuelve. Las catorce semanas trabajando sobre el mismo sistema me hicieron ver cosas que en un curso de módulos separados no habrían aparecido. El tema de documentación, que al principio me pareció excesivo, al final fue lo que más usé.
Santiago Flores
Lima, Perú · Primeros Modelos · Mar 2025
Aprecié que el programa fuera honesto sobre el esfuerzo. Intenté hacer otro curso antes de este y lo dejé a la mitad porque no tenía el tiempo que necesitaba y nadie me lo había advertido. Aquí lo dicen de entrada. Ocho horas semanales son reales, ni más ni menos.
Valentina Ríos
Bucaramanga · Track de Visión · Feb 2025
El cómputo incluido hizo la diferencia para mí. No tenía cómo pagar infraestructura propia en esa etapa. Pude entrenar modelos reales sin esa barrera. El repositorio de portafolio también fue útil: ya tenía algo estructurado para mostrar al terminar, no solo notebooks sueltos.
Andrés Torres
Bogotá · Prácticas de Ingeniería · Ene 2025
Lo más valioso fue la revisión del hito de mitad de track. El instructor identificó un problema en mi pipeline de datos que yo no había visto y que habría afectado todo lo que vino después. Ese tipo de retroalimentación no existe en ningún curso que pueda pausar cuando quieras.
Luisa González
Diseñadora UX · Cali · Primeros Modelos (8 semanas)
PUNTO DE PARTIDA
Nunca había escrito una línea de Python. Había leído artículos sobre IA pero no entendía por qué los modelos funcionaban ni cuándo fallaban. Quería entender el lado técnico para trabajar mejor con equipos de datos.
EL PROCESO
Las primeras dos semanas le tomaron más tiempo del esperado porque el Python era nuevo. A partir de la semana tres, la carga se normalizó. El proyecto de la semana cinco —el modelo lineal desde cero— lo rehízo dos veces antes de entregarlo.
AL TERMINAR
Puede leer el código de un notebook sin ayuda y entender qué está haciendo cada paso. Eso es lo que quería. No esperaba ser ingeniera de ML en ocho semanas y el programa no prometía eso.
Miguel Ospina
Desarrollador backend · Pereira · Track de Visión (16 semanas)
PUNTO DE PARTIDA
Había completado un curso introductorio de ML el año anterior. Sabía usar scikit-learn pero no entendía redes neuronales ni había trabajado con imágenes. Su empresa empezaba a necesitar esas capacidades.
EL PROCESO
Las semanas de convoluciones desde cero fueron las más densas. El proyecto de datos propios lo hizo con imágenes de defectos en madera, que era el material con el que trabajaba en su empresa. Tardó tres semanas en recopilar y etiquetar el conjunto de datos.
AL TERMINAR
Tiene un modelo funcional sobre su propio caso de uso en el repositorio de portafolio. Puede explicar por qué falla en ciertas condiciones. El proceso de etiquetado le cambió la forma de pensar sobre la calidad de los datos.
Paula Salcedo
Científica de datos · Bogotá · Prácticas de Ingeniería (14 semanas)
PUNTO DE PARTIDA
Llevaba dos años entrenando modelos para análisis de texto. Pero cada vez que terminaba un modelo, se quedaba en su notebook. No había manera de que otro equipo lo usara sin que ella estuviera presente.
EL PROCESO
Las semanas de pruebas sobre código con aleatoriedad le costaron más de lo esperado. Al final entendió que era la parte que más le hacía falta. El sistema que fue construyendo semana a semana resultó ser un modelo de clasificación de texto, su área habitual.
AL TERMINAR
Tiene un sistema que otro equipo de su empresa pudo tomar y continuar sin su intervención directa. Eso era lo que necesitaba. La documentación que escribió durante el track fue el elemento que lo hizo posible.
280+
estudiantes que completaron al menos un programa
4.6
valoración promedio sobre 5 (encuestas de finalización)
8
países de origen de los estudiantes registrados
100%
revisiones de proyectos realizadas por un instructor
Las experiencias que se leen aquí son de personas reales que completaron los programas. No editamos las respuestas para que suenen mejor ni omitimos las que incluyen críticas.
Tensor Andino no promete empleo, salario ni transformación de carrera. Lo que sí prometemos es el material descrito, la revisión de proyectos en el plazo indicado, y el registro de finalización al terminar.
Escríbenos con tu nivel actual y el programa que te llama la atención. Respondemos preguntas concretas antes de que decidas.
Enviar una consulta