In [1]: escuela.historia()
Una escuela construida
desde el trabajo técnico real
Neurona Coral nació de la observación de que la mayoría de los materiales sobre IA disponibles en español mezclan la enseñanza técnica con promesas sobre resultados laborales. Quisimos separar las dos cosas.
← Volver al inicioIn [2]: mision.leer()
Quiénes somos y cómo llegamos acá
# 2021 — origen
Neurona Coral empezó en 2021 como un proyecto informal de formación entre pares: un grupo de profesionales con experiencia en ciencia de datos que preparaban materiales en español para colegas que querían aprender a trabajar con datos de manera rigurosa. Lo que notamos rápido es que los materiales disponibles en el mercado hispanohablante tendían a dos extremos: cursos muy superficiales con mucho énfasis en resultados y cursos académicos sin contacto con datos reales.
En 2022 formalizamos la escuela con sede en Buenos Aires. Decidimos desde el inicio que los programas serían síncronos, con grupos pequeños y revisiones individuales escritas. No hay tutoriales grabados sin seguimiento ni foros donde las preguntas quedan sin respuesta por semanas.
# misión
Nuestra misión es directa: publicar exactamente qué se enseña, cuánto tiempo lleva y qué se asume que ya sabés, y después cumplir con eso. No ofrecemos colocación laboral ni acreditaciones externas. Lo que ofrecemos es un programa técnico con carga horaria real, docentes que revisan código individualmente y grupos donde cada persona puede tener preguntas respondidas.
El nombre viene de la idea de una neurona que conecta nodos distantes: la coral como el color de algo que señala sin gritar. Nos pareció honesto.
# qué no somos
No somos una plataforma masiva de cursos grabados. No emitimos títulos universitarios. No prometemos empleo ni ingresos.
In [3]: equipo.listar()
El equipo de Neurona Coral
Profesionales con práctica técnica activa en los temas que enseñan.
Martina Vega
Directora de programas
Científica de datos con ocho años de experiencia en proyectos de ML para el sector financiero en Argentina. Diseña los programas y revisa los proyectos del Track de ML Aplicado.
Federico Soria
Docente principal — Deep Learning
Ingeniero en software con especialización en arquitecturas de transformers y serving de modelos. Lleva el programa de Deep Learning e Ingeniería de Modelos desde su segunda cohorte.
Camila Llorente
Docente — Python para ML
Analista de datos con formación en matemática aplicada. Conduce el programa introductorio de Python y se especializa en dar devoluciones sobre pipelines de datos en etapas tempranas.
In [4]: estandares.verificar()
Cómo trabajamos los programas
Plan de estudios íntegro publicado
Cada módulo muestra: tema, horas, conocimiento previo asumido y qué produce el participante al finalizar. Podés leer todo el programa antes de decidir si consultás.
Revisiones escritas individuales
Los ejercicios y proyectos reciben devoluciones escritas con referencias específicas al código entregado. No son comentarios genéricos ni rúbricas automáticas.
Privacidad del trabajo del participante
Los proyectos y datasets que los participantes traen a los programas no se usan fuera del contexto del curso ni se comparten con terceros. Ver Política de Privacidad.
Repositorio de código por cohorte
Cada cohorte tiene un repositorio compartido con los ejercicios, las soluciones de referencia y el código de las sesiones. Queda accesible durante seis meses después del cierre.
Grabaciones de cada sesión
Todas las sesiones en vivo se graban y quedan disponibles para los participantes de esa cohorte. El acceso es por seis meses desde la fecha de cierre del programa.
Celda de lo que no cubre cada módulo
Cada módulo del plan de estudios incluye una celda explícita titulada "lo que este módulo no enseña". Está al mismo nivel visual que el resto del contenido.
In [5]: valores.explicar()
Formación técnica en IA con criterio propio
El campo de la inteligencia artificial en español tiene un problema de señal: hay mucho material disponible, pero la proporción entre contenido riguroso y contenido de superficie es difícil de evaluar desde afuera. Neurona Coral existe para quienes quieren aprender a construir sistemas con IA —desde el código hacia arriba— y prefieren saber de antemano cuánto tiempo lleva y qué conocimiento previo se asume.
Los tres programas están diseñados para recorrerse en secuencia si el participante empieza sin experiencia en Python, o para entrar directamente en el Track de ML Aplicado o en el programa de Deep Learning si ya tiene la base. Cada entrada tiene sus requisitos documentados. Eso reduce el tiempo perdido en programas que no corresponden al nivel de quien se inscribe.
La sede está en Buenos Aires porque el equipo trabaja desde ahí, pero los programas son completamente remotos. Las sesiones en vivo se hacen por videollamada con horarios compatibles con el huso horario de Argentina (ART, UTC-3). Participantes de otros países de habla hispana son bienvenidos; el horario se acuerda en el momento de la consulta.
No afirmamos tener acreditación de ningún organismo externo. El registro de finalización que emitimos es un documento propio de la escuela. Los participantes que necesiten acreditación formal deben evaluar otras opciones antes de inscribirse.
In [6]: consulta.iniciar()
¿Tiene sentido para tu situación actual?
Escribinos con el programa que te interesa y el nivel de experiencia que tenés. Si el programa no es adecuado para tu situación, te lo decimos antes de que te inscribas.
Escribir a Neurona Coral