better

  coining a borrowing (*embedded* → "encastat", never "embarcat").

- **No em dashes (—) or en dashes (–)**, and no other English typographic conventions. Use commas,

  colons, parentheses or separate sentences.

- **Sentence case for headings and titles**: only the first word takes a capital, plus proper

  nouns, acronyms and product names ("Com llegir aquests documents", "Models de llenguatge en

  producció", "Arquitectura de Kubernetes"). Never capitalize every word as in English. Titles of

  periodicals and collections are the exception: every word except articles, prepositions and

  conjunctions (*Serra d'Or*). See Optimot, fitxa 784/8.

- **Neutral vocabulary for the material itself**: "materials", "continguts", "document". Avoid

  calling it a course.

- **Register**: impersonal or *nosaltres* for concepts ("podem", "tenim"), *tu* for practical

| --- | --- |

| `src/m9/` | Serveis i processos (concurrency, sockets, cryptography, security) |

| `src/m7/` | Desenvolupament d'interfícies (web UI, React, UX, testing) |

| `src/apren/` | IA i Ciència de dades (ML, LLMs, data science) |

| `src/apren/` | IA i ciència de dades (ML, LLMs, data science) |

| `src/fonaments/` | Fonaments de programació (architecture, OOP, general principles) |

| `src/aitools/` | Eines IA per al desenvolupament |

| `src/java/` | Programació en Java |

## Resolved

- `src/apren/ba1/ml_reinforcement.md`: rewritten, split in two (`ml_reinforcement.md` and

  `ml_reinforcement_deep.md`) and published under *Aprenentatge Automàtic → Ampliació*.

  `ml_reinforcement_deep.md`) and published under *Aprenentatge automàtic → Ampliació*.

- `src/apren/ba1/ml_regression.md`: dropped. Feature transformations (log, square root) and

  "start simple, look at the errors" moved to `ml_supervised.md`.

- `src/apren/ba1/ml_reasoning.md`: dropped. Its glossary moved to `apren/basics/ml_dictionary.md`

    - [Proves amb JavaScript](./m7/uf2/proves.md)

    - [Documentació](./m7/uf2/documentacio.md)

    - [Distribució](./m7/uf2/distribucio.md)

- [IA i Ciència de dades](./apren.md)

- [IA i ciència de dades](./apren.md)

  - [Introducció a la IA](./apren/ml_ia.md)

  - [Aprenentatge Automàtic](./apren/ba1.md)

  - [Aprenentatge automàtic](./apren/ba1.md)

    - [Aprenentatge supervisat](./apren/ba1/ml_supervised.md)

    - [Classificació](./apren/ba1/ml_classification.md)

    - [Xarxes neuronals](./apren/ba1/ml_neuralnets.md)

      - [Recomanadors](./apren/ba1/ml_recommender.md)

      - [Aprenentatge per reforç](./apren/ba1/ml_reinforcement.md)

      - [Aprenentatge per reforç profund](./apren/ba1/ml_reinforcement_deep.md)

  - [LLMs i IA Generativa](./apren/llms.md)

    - [Transformers i Models de Llenguatge](./apren/llms/ml_transformers.md)

    - [LLM vs. ML tradicional](./apren/llms/llm_vs_ml.md)

    - [Arquitectura de sistemes LLM](./apren/llms/llm_architecture.md)

    - [Disseny de prompts](./apren/llms/llm_prompts.md)

    - [Integració i execució](./apren/llms/llm_systems.md)

    - [Orquestració amb workflows i agents](./apren/llms/llm_patterns.md)

    - [Avaluació de sistemes LLM](./apren/llms/llm_evals.md)

    - [Arquitectures per cas d'ús](./apren/llms/llm_use_cases.md)

  - [Desplegament i operació](./apren/ba2.md)

    - [Del model al servei](./apren/ba2/01_model_deployment.md)

    - [Validació i CI/CD](./apren/ba2/02_model_quality_and_testing.md)

    - [Monitoratge i reentrenament](./apren/ba2/03_drift_monitoring.md)

    - [Sistemes LLM en producció](./apren/ba2/04_llm_production.md)

    - [Patrons d'implementació](./apren/ba2/05_implementation_patterns.md)

  - [LLMs i IA generativa](./apren/ba2.md)

    - [Transformers i models de llenguatge](./apren/ba2/ml_transformers.md)

    - [LLM vs. ML tradicional](./apren/ba2/llm_vs_ml.md)

    - [Arquitectura de sistemes LLM](./apren/ba2/llm_architecture.md)

    - [Disseny de prompts](./apren/ba2/llm_prompts.md)

    - [Integració i execució](./apren/ba2/llm_systems.md)

    - [Orquestració amb workflows i agents](./apren/ba2/llm_patterns.md)

    - [Avaluació de sistemes LLM](./apren/ba2/llm_evals.md)

    - [Arquitectures per cas d'ús](./apren/ba2/llm_use_cases.md)

  - [Desplegament i operació](./apren/ba3.md)

    - [Del model al servei](./apren/ba3/ops_model_deployment.md)

    - [Validació i CI/CD](./apren/ba3/ops_model_quality_and_testing.md)

    - [Monitoratge i reentrenament](./apren/ba3/ops_drift_monitoring.md)

    - [Sistemes LLM en producció](./apren/ba3/ops_llm_production.md)

    - [Patrons d'implementació](./apren/ba3/ops_implementation_patterns.md)

  - [IA sostenible](./apren/sostenible.md)

  - [Guia pràctica](./apren/ml_methodology.md)

  - [Referències](./apren/basics.md)

    - [Diccionari d'AA](./apren/basics/ml_dictionary.md)

    - [Probabilitat i Estadística bàsiques](./apren/basics/ml_prob_stats.md)

    - [Probabilitat i estadística bàsiques](./apren/basics/ml_prob_stats.md)

    - [Python bàsic](./apren/basics/basic_python.md)

    - [Python avançat](./apren/basics/advanced_python.md)

    - [NumPy bàsic](./apren/basics/ml_numpy.md)

# Eines IA per al desenvolupament

Com treballar amb assistents i agents de programació sense perdre el control del codi: què són, quanta autonomia donar-los, quan no fer-los servir i com preparar un projecte perquè hi treballin bé. Per entendre com funciona un LLM per dins o construir-ne un sistema, consulta [LLMs i IA Generativa](./apren/llms.md).

Com treballar amb assistents i agents de programació sense perdre el control del codi: què són, quanta autonomia donar-los, quan no fer-los servir i com preparar un projecte perquè hi treballin bé. Per entendre com funciona un LLM per dins o construir-ne un sistema, consulta [LLMs i IA generativa](./apren/ba2.md).

## Com llegir aquests documents

# IA i Ciència de dades

# IA i ciència de dades

Com es construeixen sistemes que aprenen a partir de dades: models clàssics d'aprenentatge automàtic, sistemes amb LLMs i el que cal per portar-los a producció i mantenir-los. Per fer servir eines d'IA mentre programes, consulta [Eines IA per al desenvolupament](./aitools.md).

1. **Situar-se.** La [Introducció a la IA](./apren/ml_ia.md) dona el mapa: paradigmes, arquitectura d'un sistema i com abordar un projecte. És la porta d'entrada a la resta.

2. **Aprendre de dades.** L'aprenentatge automàtic explica com un model ajusta els seus paràmetres i com se sap si el que ha après serveix. Els conceptes que hi apareixen (funció de cost, xarxes neuronals, embeddings, mètriques) tornen a tots els blocs següents.

3. **Models de llenguatge.** Els LLMs són xarxes neuronals que treballen amb embeddings. El bloc respon tres preguntes en ordre: cal un LLM, quin patró i quin model.

4. **Producció.** Desplegar, validar, vigilar i actualitzar, primer amb un model de ML i després amb un LLM. Pressuposa els dos blocs anteriors.

4. **Producció.** Desplegar, validar, vigilar i actualitzar, primer amb un model de ML i després amb un LLM. La part de ML només pressuposa l'aprenentatge automàtic; la de LLM necessita també els models de llenguatge.

La resta són documents de suport. [IA sostenible](./apren/sostenible.md) es llegeix millor després dels LLMs, perquè en discuteix el cost. La [Guia pràctica](./apren/ml_methodology.md) recull els blocs en forma de decisions. Les [Referències](./apren/basics.md) es consulten quan cal.

```mermaid

flowchart TD

    I["Introducció a la IA"] --> A["Aprenentatge Automàtic"]

    A --> L["LLMs i IA Generativa"]

    I["Introducció a la IA"] --> A["Aprenentatge automàtic"]

    A --> L["LLMs i IA generativa"]

    A --> D["Desplegament i operació"]

    L --> D

    L --> S["IA sostenible"]

## Blocs

- [Aprenentatge Automàtic](./apren/ba1.md): com un model aprèn a partir de dades i com se sap si el que ha après serveix

- [LLMs i IA Generativa](./apren/llms.md): tres preguntes en ordre (cal un LLM, quin patró i quin model), amb l'avaluació com a requisit transversal

- [Desplegament i operació](./apren/ba2.md): com portar a producció un model de ML o un sistema amb LLMs, decidir automàticament si hi pot arribar i mantenir-lo funcionant

- [Aprenentatge automàtic](./apren/ba1.md): com un model aprèn a partir de dades i com se sap si el que ha après serveix

- [LLMs i IA generativa](./apren/ba2.md): tres preguntes en ordre (cal un LLM, quin patró i quin model), amb l'avaluació com a requisit transversal

- [Desplegament i operació](./apren/ba3.md): com portar a producció un model de ML o un sistema amb LLMs, decidir automàticament si hi pot arribar i mantenir-lo funcionant

## Suport

- [Guia pràctica](./apren/ml_methodology.md): guia de decisió per triar l'enfocament i estructurar un projecte, del problema al desplegament

- [Referències](./apren/basics.md): material de suport per consultar quan calgui, no per llegir seguit

  - [Diccionari d'AA](./apren/basics/ml_dictionary.md)

  - [Probabilitat i Estadística bàsiques](./apren/basics/ml_prob_stats.md)

  - [Probabilitat i estadística bàsiques](./apren/basics/ml_prob_stats.md)

  - [Python bàsic](./apren/basics/basic_python.md)

  - [Python avançat](./apren/basics/advanced_python.md)

  - [NumPy bàsic](./apren/basics/ml_numpy.md)