Link to this sectionInicio rápido de la plataforma Ultralytics#

Ultralytics Platform está diseñada para ser fácil de usar e intuitiva, permitiendo a los usuarios subir sus conjuntos de datos rápidamente y entrenar nuevos modelos YOLO. Ofrece una amplia gama de modelos preentrenados para elegir, lo que facilita el inicio para los usuarios. Una vez que el modelo está entrenado, se puede probar directamente en el navegador e implementar en producción con un solo clic.

El siguiente diagrama interactivo describe las cuatro etapas principales del flujo de trabajo de Ultralytics Platform. Haz clic en cualquier etapa o subpaso para acceder a instrucciones detalladas de esa sección.

graph LR
    A(Sign Up) --> B(Prepare Data) --> C(Train) --> D(Deploy)
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

Link to this sectionComienza#

Ultralytics Platform ofrece una variedad de opciones sencillas de registro. Puedes registrarte e iniciar sesión usando tus cuentas de Google o GitHub, o con tu dirección de correo electrónico.

Link to this sectionSelección de región#

Durante la incorporación, se te pedirá que selecciones tu región de datos. La plataforma mide automáticamente la latencia hacia cada región y recomienda la más cercana. Esta es una elección importante, ya que determina dónde se almacenarán tus datos, modelos e implementaciones.

Link to this sectionCréditos gratuitos#

Cada cuenta nueva recibe créditos gratuitos para entrenamiento con GPU en la nube:

Link to this sectionCompleta tu perfil#

El flujo de incorporación te guía a través de tres pasos:

1. Perfil - Ingresa tu nombre para mostrar, nombre de usuario único (permanente, no se puede cambiar después), organización (opcional) y caso de uso principal
2. Región de datos - Selecciona US, EU o AP con un mapa mundial visual que muestra la latencia
3. Completado - Revisa tus selecciones, aplica un código promocional opcional y finaliza el registro para reclamar tus créditos de bienvenida

Link to this sectionPanel de control principal#

Después de iniciar sesión, se te redirigirá a la página de inicio de Ultralytics Platform, que proporciona una tarjeta de bienvenida con estadísticas del espacio de trabajo, acceso rápido a conjuntos de datos, proyectos, almacenamiento y un feed de actividad reciente.

Link to this sectionNavegación de la barra lateral#

La barra lateral proporciona acceso a todas las secciones de la plataforma:

Link to this sectionTarjeta de bienvenida#

La tarjeta de bienvenida muestra tu perfil, insignia de plan y estadísticas del espacio de trabajo de un vistazo:

Link to this sectionAcciones rápidas#

Debajo de la tarjeta de bienvenida, el panel de control muestra tres tarjetas:

• Conjuntos de datos: Crea un nuevo conjunto de datos o suelta imágenes, vídeos o archivos de conjuntos de datos para subir. Muestra tus conjuntos de datos recientes.
• Proyectos: Crea un nuevo proyecto o suelta archivos de modelo .pt para subir. Muestra tus proyectos recientes.
• Almacenamiento: Resumen del uso de tu almacenamiento (conjuntos de datos, modelos, exportaciones) con los límites del plan.

Una tabla de Actividad reciente en la parte inferior muestra tus últimos conjuntos de datos, modelos y ejecuciones de entrenamiento.

Link to this sectionBúsqueda global#

Pulsa Cmd+K (Mac) o Ctrl+K (Windows/Linux) para abrir la barra de búsqueda. Busca al instante entre páginas, proyectos, datasets y despliegues.

Link to this sectionAsistente de chat de IA#

Hay un widget de chat flotante disponible en todas las páginas. Haz clic en él para hacer preguntas sobre el entrenamiento, anotación o despliegue de YOLO, o sobre cualquier funcionalidad de la Platform. El asistente te ofrece ayuda basada en el contexto de la página actual.

Link to this sectionTours de incorporación#

La Platform incluye tours guiados que te presentan las funcionalidades clave a medida que exploras las diferentes secciones:

Link to this sectionReiniciar tours#

Para volver a reproducir cualquier tour:

• Botón Redo Tour — Haz clic en el avatar de tu perfil (abajo a la izquierda en la barra lateral) para abrir el menú de usuario y selecciona Redo Tour. Esto restablece todos los tours para que se reproduzcan en tu próxima visita a cada sección.
• Parámetro de URL — Navega a platform.ultralytics.com/home?tour=nav para reiniciar el Nav Tour directamente.

Link to this sectionSube tu primer dataset#

Navega a Annotate en la barra lateral y haz clic en New Dataset para añadir tus datos de entrenamiento. También puedes arrastrar y soltar archivos directamente en la tarjeta de Datasets del panel de control de Inicio.

La Ultralytics Platform admite múltiples formatos de subida (todos los detalles en Datasets):

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

Tras la subida, la plataforma procesa automáticamente tus datos:

1. Las imágenes de más de 4096px se redimensionan (manteniendo la relación de aspecto)
2. Se generan miniaturas de 256px para una navegación rápida
3. Las etiquetas se analizan y validan (formato YOLO .txt)
4. Se calculan las estadísticas (distribución de clases, mapas de calor, dimensiones)

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

Lee más sobre datasets y los formatos admitidos para detect, segment, pose, OBB y classify.

Link to this sectionCrea tu primer proyecto#

Los proyectos te ayudan a organizar modelos y experimentos relacionados. Navega a Proyectos y haz clic en "Create Project".

Introduce un nombre y una descripción opcional para tu proyecto. Los proyectos contienen:

• Models: Checkpoints entrenados
• Activity Log: Historial de cambios

Lee más sobre projects.

Link to this sectionEntrena tu primer modelo#

Desde tu proyecto, haz clic en Train Model para iniciar el entrenamiento en la nube.

Link to this sectionConfiguración del entrenamiento#

1. Select Dataset: Elige entre tus datasets subidos (solo se muestran los datasets con una división train)
2. Choose Model: Selecciona un modelo base (modelos oficiales de Ultralytics o tus propios modelos entrenados)
3. Set Epochs: Número de iteraciones de entrenamiento (predeterminado: 100)
4. Select GPU: Elige los recursos de computación según tu presupuesto y el tamaño del modelo. El predeterminado es RTX PRO 6000 (96 GB Blackwell, $1.89/hora), que admite cualquier variante de YOLO26. Consulta la tabla completa de precios de GPU o el paso de GPU de entrenamiento en la nube para ver la lista completa y las restricciones por nivel.

Link to this sectionMonitoriza el entrenamiento#

Una vez iniciado el entrenamiento, puedes monitorizar el progreso en tiempo real a través de tres subpestañas:

Las métricas se transmiten en tiempo real mediante SSE (Server-Sent Events). Una vez finalizado el entrenamiento, se generan gráficos de validación que incluyen la matriz de confusión, curvas PR y curvas F1.

Lee más sobre cloud training.

Link to this sectionPrueba tu modelo#

Después de completar el entrenamiento, prueba tu modelo directamente en el navegador:

1. Navega a la pestaña Predict de tu modelo
2. Sube una imagen, arrastra y suelta, o usa imágenes de ejemplo (inferencia automática al soltar)
3. Visualiza los resultados de la inferencia con los cuadros delimitadores renderizados en el lienzo

Ajusta los parámetros de inferencia:

La pestaña Predict ofrece ejemplos de código listos para usar con tu API key real ya rellenada:

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}

with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, files={"file": f})

print(response.json())

Lee más sobre inference.

Link to this sectionDespliegue a producción#

Despliega tu modelo en un endpoint dedicado para su uso en producción:

1. Navega a la pestaña Deploy de tu modelo
2. Selecciona una región del mapa mundial interactivo (43 regiones disponibles)
3. El mapa muestra mediciones de latencia en tiempo real con colores de semáforo (verde < 100 ms, amarillo < 200 ms, rojo > 200 ms)
4. Haz clic en Deploy para crear tu endpoint

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

Tu endpoint estará listo en aproximadamente un minuto con:

• URL única: endpoint HTTPS para llamadas a la API
• Comportamiento de escalado a cero: Sin costes de computación en reposo (los despliegues ejecutan actualmente una única instancia activa)
• Monitorización: métricas y registros de solicitudes

Tras el despliegue, puedes gestionar todos tus endpoints desde la sección Deploy en la barra lateral, que muestra un mapa global con despliegues activos, métricas generales y una lista de todos los endpoints.

Lee más sobre endpoints.

Link to this sectionEntrenamiento remoto (opcional)#

Si prefieres entrenar en tu propio hardware, puedes transmitir métricas a la plataforma utilizando tu clave API. Funciona como Weights & Biases: entrena donde quieras, monitoriza en la plataforma.

1. Genera una clave API en Settings > API Keys
2. Establece la variable de entorno y entrena con un formato project/name:

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

Lee más sobre API keys, dataset URIs y remote training.

Link to this sectionComentarios y ayuda#

La página Help en el pie de página de la barra lateral incluye un formulario de comentarios en la aplicación. Puedes valorar tu experiencia, elegir un tipo de comentario (error, solicitud de función o general) y adjuntar capturas de pantalla.

Si necesitas más ayuda:

• AI Chat: haz clic en el widget de chat flotante en cualquier página para obtener ayuda instantánea
• Documentación: explora estos documentos para obtener guías detalladas sobre datasets, annotation, training, deployment y billing
• Discord: únete a nuestra comunidad de Discord para debatir
• GitHub: informa de problemas en GitHub
• REST API: consulta la referencia de la API o prueba los documentos interactivos de la API para acceder mediante programación a todas las funciones de la Platform