Lo que dicen los estudiantes
Aprendizaje que se sostiene en el tiempo
Recogemos las experiencias de quienes ya recorrieron alguno de los tres tramos. Son palabras reales de personas que invirtieron su tiempo y cuentan lo que encontraron.
Volver al inicio+420
estudiantes en cohortes
4.7
valoración promedio de 5
87%
tasa de finalización
4 años
formando en IA desde Bogotá
Experiencias
Qué cuenta la gente que ya pasó por aquí
María González
Bogotá · Fundamentos de IA y Python
Llegué sin saber nada de programación, con el miedo de no ser "suficientemente técnica". Lo que más me ayudó fue el ritmo: nada me llegó de golpe. Hacia la semana cuatro ya entendía qué hacía mi código y por qué. El mentor respondió mis dudas más básicas sin hacerme sentir mal por preguntar.
Mayo 2025
Carlos Fonseca
Medellín · Machine Learning Track
Ya había hecho un par de cursos de ML en plataformas grandes y me quedé en el mismo punto: sabía correr modelos pero no entendía qué decisiones tomar. Lo que cambió en Cóndor Code fue la retroalimentación escrita. Andrés me señaló exactamente dónde mi lógica tenía un hueco y cómo cerrarlo. Eso no lo consigues en un video.
Junio 2025
Laura Torres
Cali · MLOps y Despliegue
Trabajo como analista de datos en una empresa de retail y necesitaba entender cómo llevar modelos a producción. El programa de MLOps fue exactamente lo que buscaba. Jorge conoce bien el contexto real: no te enseña la versión teórica, te muestra los problemas que encuentra en su trabajo diario y cómo los resuelve.
Junio 2025
Diego Pedraza
Barranquilla · Fundamentos de IA y Python
Estaba buscando algo en español con datos de la región. Los ejercicios con datos del DANE y de comercio local en Colombia hicieron que el aprendizaje se sintiera mucho más concreto. El grupo de la cohorte también ayudó bastante: teníamos WhatsApp activo y nos desbloqueábamos mutuamente.
Mayo 2025
Sofía Herrera
Bogotá · Machine Learning Track
Lo que más valoré fue la honestidad. En la primera semana Lucía dejó claro qué podíamos esperar del programa y qué no. No hubo promesas de que al terminar conseguiríamos trabajo de inmediato. Lo que conseguimos fue entender ML de verdad, y eso para mí vale más. Terminé con tres proyectos que puedo explicar en una entrevista.
Junio 2025
Julián Ramos
Bogotá · MLOps y Despliegue
Tenía bases sólidas en Python y ML pero no sabía cómo mover eso a producción. El programa de MLOps llenó ese hueco. Docker, FastAPI, MLflow: las mismas herramientas que ahora uso en mi trabajo. Lo que más me costó fue adaptarme al ritmo de entregas semanales con trabajo de tiempo completo, pero los plazos eran razonables.
Mayo 2025
Historias completas
Tres recorridos en detalle
Adriana Pinto — Bogotá
Contadora · Fundamentos de IA y Python · Cohorte marzo–mayo 2025
El punto de partida
Adriana trabajaba en el área de reportes de una firma contable y quería entender cómo automatizar partes del análisis de datos que hacía manualmente en Excel. No tenía base en código y había tenido experiencias frustrantes con tutoriales en inglés.
El camino seguido
Completó el programa de Fundamentos en 9 semanas (una más de las planificadas, con acuerdo del mentor). El proyecto final fue un análisis de variaciones de cartera usando datos de su empresa. Terminó usando pandas para limpiar y explorar datos que antes procesaba célula por célula.
Lo que cambió
Hoy corre sus análisis exploratorios con un script de 40 líneas que antes le tomaba varias horas en Excel. Inscribió el Machine Learning Track para continuar el camino. El cambio no fue instantáneo, tomó semanas de práctica, pero dice que fue sostenido.
"No me prometieron que sería fácil y no lo fue. Pero sí me prometieron que si dedicaba el tiempo, iba a entender. Y así fue."
Rafael Moreno — Bucaramanga
Ingeniero civil · Machine Learning Track · Cohorte febrero–abril 2025
El punto de partida
Rafael tenía base en Python por necesidades de su trabajo pero no había usado scikit-learn de manera estructurada. Había hecho un par de cursos online que le enseñaron a copiar código pero no a entender qué estaba haciendo.
El camino seguido
Completó los diez módulos del ML Track y entregó tres proyectos, dos de ellos relacionados con datos de infraestructura vial. La parte de validación de modelos y métricas fue la que más le costó, y fue también donde recibió más retroalimentación detallada.
Lo que cambió
Terminó con un portafolio de tres proyectos documentados. Seis meses después del programa usó uno de ellos como base de un informe técnico presentado a un cliente del sector público en Colombia.
"Lo que más valoré fue saber que alguien iba a leer mi código. Eso cambia la manera en que lo escribes."
¿Tienes preguntas antes de decidir?
Llámanos
+57 313 748 0925Escríbenos
[email protected]Sede
Calle 100 #19-54, Bogotá D.C.
Atención
Lun–Vie 8am–6pm
Sáb 9am–1pm
Reconocimientos
Credenciales del equipo y la escuela
Mención MinTIC 2024
Reconocimiento a iniciativas de formación digital para adultos en la convocatoria Apps.co.
Seleccionados Ruta N 2023
Convocatoria de fortalecimiento de ecosistemas de innovación tecnológica en Medellín.
Miembro Colombia AI
Parte de la red de actores del ecosistema de inteligencia artificial en Colombia desde 2022.
El siguiente tramo
¿Cuándo empiezas tú?
Cuéntanos en qué punto estás y te orientamos hacia el programa donde más vas a avanzar.
Hablar con el equipo