Elixir ML & LLM

Bienvenido al libro abierto de Machine Learning y Modelos de Lenguaje de Gran Escala (LLMs) con el lenguaje de programación Elixir.

Este proyecto nace de la comunidad Elixir Chile con un propósito claro: construir un puente entre la teoría matemática que sustenta la inteligencia artificial y su implementación práctica en un ecosistema diseñado para la concurrencia, la tolerancia a fallos y la escalabilidad.

Este libro es un recurso vivo y en constante evolución. Cada capítulo combina los fundamentos teóricos con ejemplos idiomáticos en Elixir usando librerías como Nx, Scholar, Axon y Bumblebee.

¿Para quién es este libro?

Desarrolladores que conocen Elixir y quieren explorar el campo del ML/IA.
Estudiantes de ciencias de la computación, matemáticas o estadística que buscan una perspectiva funcional y concurrente.
Profesionales que desean entender los fundamentos teóricos detrás de las herramientas de IA que usan a diario.

Estructura del Libro

El libro se organiza en dos grandes ejes temáticos:

Programación Agéntica

El primer módulo explora el paradigma de los agentes inteligentes: qué son, cómo se diseñan, y cómo las herramientas modernas de IA nos permiten construir software que percibe, decide y actúa de forma autónoma.

¿Qué es un agente? — Definiciones, racionalidad y aprendizaje.
PEAS — El marco para describir la misión de un agente.
Configuración del entorno — VSCode, OpenCode y herramientas de IA.
Sensores y percepción — OCR como ejemplo de percepción visual.

Apéndice Matemático

El segundo módulo proporciona las bases matemáticas necesarias para comprender los algoritmos de ML en profundidad:

Lógica Proposicional — Los cimientos del razonamiento formal.
Álgebra Lineal — Tensores, matrices y transformaciones con Nx.
Estadística Descriptiva — Medidas de tendencia, dispersión y correlación.
Modelos Probabilísticos — Distribuciones discretas y continuas.
Inferencia Estadística — Tests de hipótesis y p-valores.

El Ecosistema Elixir para ML

Elixir cuenta con un ecosistema maduro para el cómputo numérico y el aprendizaje automático:

Librería	Propósito
Nx	Computación numérica con tensores. El equivalente a NumPy en el mundo Elixir.
Scholar	Algoritmos clásicos de ML: regresión, clustering, preprocesamiento.
Axon	Redes neuronales y deep learning con diferenciación automática.
Bumblebee	Modelos pre-entrenados (GPT, BERT, Whisper, etc.) listos para usar.
EXLA	Backend de compilación que acelera Nx usando XLA (CPU/GPU/TPU).
Livebook	Notebooks interactivos para Elixir, similar a Jupyter.

Librería

Propósito

Computación numérica con tensores. El equivalente a NumPy en el mundo Elixir.

Scholar

Algoritmos clásicos de ML: regresión, clustering, preprocesamiento.

Axon

Redes neuronales y deep learning con diferenciación automática.

Bumblebee

Modelos pre-entrenados (GPT, BERT, Whisper, etc.) listos para usar.

EXLA

Backend de compilación que acelera Nx usando XLA (CPU/GPU/TPU).

Livebook

Notebooks interactivos para Elixir, similar a Jupyter.

Si es tu primera vez con Elixir, te recomendamos comenzar por el capítulo Configurar VSCode con Elixir y OpenCode para dejar listo tu entorno de desarrollo.