Curso gratuito muestra cómo entrenar modelos de razonamiento

Ahora casi cualquier persona puede construir su propio modelo de razonamiento.

Sebastian Raschka ha publicado un curso completamente gratuito y ha abierto el código fuente de todos los materiales.

Usando como ejemplo un modelo pequeño, Qwen3-0.6B, muestra cómo se entrenan realmente los modelos de razonamiento y qué etapas componen el proceso.

En el curso se puede aprender a:

• enseñar a un modelo a buscar diferentes rutas para resolver una misma tarea;
• verificar automáticamente la corrección de las respuestas generadas;
• mejorar su comportamiento mediante aprendizaje por recompensa y GRPO;
• observar cómo el modelo a veces encuentra formas de evadir el propio sistema de recompensas;
• entrenar un modelo más compacto con datos de razonamiento de DeepSeek-R1.

Todo el código puede ejecutarse de forma independiente, lo que permite seguir el progreso del entrenamiento y notar gradualmente cómo cambia el comportamiento del modelo.

No hace falta empezar desde cero: como punto de partida se utiliza un modelo pequeño ya disponible, en lugar de un modelo base que habría que entrenar desde el principio.

Si hace tiempo que quieres entender cómo funcionan modelos como DeepSeek-R1, este curso ofrece una rara oportunidad de no solo leer sobre ello, sino recorrer todo el proceso con tus propias manos.

GitHub: reasoning-from-scratch