¿Qué es LLM Course?
The LLM Course, de Maxime Labonne, es una hoja de ruta gratuita en GitHub para aprender sobre grandes modelos de lenguaje. Se divide en tres partes: fundamentos (matemáticas, Python, redes neuronales, PLN), el itinerario LLM Scientist (arquitectura, preentrenamiento, datos de post-entrenamiento, fine-tuning, alineación por preferencias, evaluación, cuantización) y el itinerario LLM Engineer (ejecutar modelos, almacenamiento vectorial, RAG, agentes, optimización de la inferencia, despliegue, seguridad).
Cada sección combina una explicación breve con artículos, vídeos y papers seleccionados. Una tabla aparte recoge unas dos docenas de notebooks de Colab del autor, desde herramientas de un clic como LazyMergekit y AutoQuant hasta recorridos guiados de fine-tuning. El mismo material sirve de base al LLM Engineer's Handbook, que Labonne escribió junto a otro autor para Packt.
No hay versiones publicadas. Los commits se han reducido a unos pocos al año; el último, del 5 de febrero de 2026, arregló un enlace roto.
¿Merece la pena LLM Course?
The LLM Course es un mapa, no un libro de texto, y es un mapa muy bueno. Su valor está en el orden: le dice a un desarrollador qué aprender después de los transformers, qué implica el post-entrenamiento y dónde encajan RAG y los agentes, y enlaza después el mejor material gratuito para cada paso. Unas 84.600 estrellas en GitHub sugieren que mucha gente lo usa justo así.
Los notebooks son la mitad práctica y la parte que conviene revisar antes de confiar en él. El recorrido de fine-tuning más reciente se centra en Llama 3.1 y se escribió en julio de 2024; otros tratan Mistral-7B con DPO y QLoRA, Llama 2 y CodeLlama. Las técnicas (LoRA, ORPO, cuantización GGUF, fusión de modelos, abliteration) siguen siendo válidas, pero las versiones de las librerías y los modelos base han cambiado, así que cuenta con que algunas celdas necesiten arreglos.
La hoja de ruta escrita está más al día que los notebooks: el itinerario de ingeniería cita la decodificación especulativa EAGLE-3 y el Agents Course de Hugging Face, pero el historial muestra solo cinco commits en los últimos doce meses, casi todos pequeñas correcciones. Sigue dentro de la ventana de actividad de 12 meses, por poco.
El curso es gratuito y lo seguirá siendo, según el autor, y la forma de apoyarlo es el LLM Engineer's Handbook, de pago. Frente a LLMs from Scratch de Sebastian Raschka, que enseña construyendo un modelo de principio a fin en código, este cubre mucho más terreno con mucha menos profundidad por tema.
Dónde se gana su sitio
Un ingeniero de backend que pasa a un puesto de IA aplicada
Decidir qué estudiar, y en qué orden, durante unos meses
Seguir el itinerario LLM Engineer sección a sección: ejecutar modelos, almacenes vectoriales, RAG, agentes, inferencia, despliegue y seguridad. Todo lo enlazado es gratuito; el coste es el tiempo, y algunos enlaces pueden haber cambiado.
Un ingeniero de ML con una GPU del nivel gratuito de Colab
Hacer fine-tuning de un modelo de 7B por primera vez
Abrir el notebook de QLoRA con Mistral-7B, que el autor escribió para el nivel gratuito de Colab, y cambiar después a un modelo base actual. Cuenta con actualizar las versiones de las librerías antes de que las celdas funcionen sin errores.
Una responsable de formación que incorpora a tres nuevas personas a un equipo de LLM
Darles un temario común sin comprar un curso
Usar los apartados del itinerario Scientist como plan de lectura y los notebooks como ejercicios. Ahorra escribir un currículo interno, aunque el equipo tendrá que añadir por su cuenta los modelos y herramientas actuales.
Antes de decidirte
- Puesta en marcha
- Nada que instalar: lee el README en GitHub y abre los notebooks en Google Colab con una cuenta de Google. El notebook de QLoRA con Mistral-7B está escrito para el nivel gratuito de Colab.
- Integraciones
- Los notebooks usan Hugging Face Transformers, TRL, Unsloth, Axolotl, MergeKit, llama.cpp y ExLlamaV2; algunos suben resultados a Hugging Face Hub o alquilan GPU en RunPod.
- Datos y privacidad
- Markdown estático y notebooks bajo Apache 2.0, así que se permite reutilizarlos en formación interna. Ejecutar notebooks en Colab pone tus datos en el servicio de Google, y las subidas a Hub necesitan tu propio token.
- Coste a escala
- Gratis. El único gasto es el tiempo de GPU si te quedas corto con el Colab gratuito, por ejemplo una GPU alquilada para los notebooks de Axolotl o AutoEval, más el LLM Engineer's Handbook, opcional.
- Límites
- Sin versiones publicadas, cinco commits en los últimos doce meses y 91 incidencias o pull requests abiertas. Los modelos elegidos en los notebooks (Llama 2, Llama 3.1, Mistral-7B) son de 2023 y 2024.
Lo bueno
- Orden claro entre fundamentos y los itinerarios Scientist y Engineer
- Unas dos docenas de notebooks de Colab gratuitos del autor
- Trata el post-entrenamiento, la cuantización y la fusión con una profundidad poco habitual
- Apache 2.0, gratis y sin registro
Lo malo
- Sobre todo enlaces a material externo
- El notebook de fine-tuning más reciente es de julio de 2024 (Llama 3.1)
- Cinco commits en el último año
Ideal para
Desarrolladores que quieren un camino estructurado hacia el entrenamiento y la ingeniería de LLM.
Alternativas a LLM Course
LLM Course: preguntas frecuentes
- ¿Merece la pena LLM Course?
- Un temario bien ordenado para todo el stack de LLM cuyos notebooks prácticos no han seguido el ritmo de su lista de lecturas. Le damos un 4.2 sobre 5.
- ¿Cuánto cuesta LLM Course?
- Gratuito y de código abierto bajo licencia Apache 2.0.
- ¿Qué inconvenientes tiene LLM Course?
- Sobre todo enlaces a material externo; el notebook de fine-tuning más reciente es de julio de 2024 (Llama 3.1); cinco commits en el último año.
- ¿Para quién es LLM Course?
- Desarrolladores que quieren un camino estructurado hacia el entrenamiento y la ingeniería de LLM.
- ¿Cuánto cuesta LLM Course para un equipo o en producción?
- Gratis. El único gasto es el tiempo de GPU si te quedas corto con el Colab gratuito, por ejemplo una GPU alquilada para los notebooks de Axolotl o AutoEval, más el LLM Engineer's Handbook, opcional.
- ¿Es LLM Course seguro para los datos de la empresa?
- Markdown estático y notebooks bajo Apache 2.0, así que se permite reutilizarlos en formación interna. Ejecutar notebooks en Colab pone tus datos en el servicio de Google, y las subidas a Hub necesitan tu propio token.
- ¿Cuáles son las mejores alternativas a LLM Course?
- Las alternativas más cercanas que hemos analizado son LLMs from Scratch, Generative AI for Beginners y Prompt Engineering Guide.
Respuestas comprobadas el 23 oct 2026.