docs: actualizar TODA la documentacion al estado v2.3.0 (Partes 0 y 1 completas)

Sincroniza badges, tablas de estado y narrativas en los 6 documentos canonicos
con el estado real del repo: Partes 0 y 1 (89 clases) completas y ampliadas
con 13 complementos modernos integrados; Partes 2-8 todavia scaffold.

Archivos actualizados:
- CHANGELOG.md: nueva entrada v2.3.0 con detalle de los 13 complementos
  (5 de Parte 0: regex/pytest/Polars/Parquet/async — 8 de Parte 1:
  val temporal/FE+MICE/Optuna/model cards/class imbalance/calibracion/SHAP-LIME)
  + fix link clase 073.
- README.md: badge version v2.3.0; badge Parte 1 43/43 nuevo; badge "Partes
  1-8" -> "Partes 2-8"; tabla de estado refleja 89 clases completas con
  13 complementos; fila de curriculo en superficies actualizada.
- ROADMAP.md: badge version v2.3.0 (estaba v2.0.0-scaffold, obsoleto);
  tabla de superficies a "Partes 0 y 1 completas"; checkbox de Parte 1
  marcado completed con mencion de complementos; siguiente prioridad
  ahora Parte 3.
- docs/CATALOGO_PRODUCTO.md: badge v2.3.0; intro y matriz canonica
  reflejan Partes 0-1 completas; regla de comunicacion actualizada.
- docs/syllabus.md: tabla "Estado de implementacion" suma Parte 1 a las
  filas de READMEs y Definiciones/FAQ/Errores; nueva fila "Complementos
  modernos integrados"; orden recomendado tacha pasos 1 y 2.
- classes/README.md: tabla raiz suma columna "Estado" con ✅ para Partes
  0-1 y ⏳ scaffold para Partes 2-8.

Sin cambios estructurales — todo edicion textual/numerica.

Author: vladimiracunadev-create

CHANGELOG.md

@@ -13,6 +13,40 @@
 
 ---
 
+## [v2.3.0] — 2026-06-01
+
+### Añadido
+
+- **Parte 1 — Machine Learning Clásico: 43/43 clases desarrolladas** ✅. Reemplaza los stubs por contenido completo siguiendo el patrón pedagógico v2.2.0 (Objetivo + Resultados verificables + Temas + Definiciones + Ejercicios + Homework + Errores comunes + FAQ + Referencias). Fuente principal: **Géron** (*Hands-On ML* 3ª ed., caps. 1–9). Total: **5.078 líneas** en los 43 README.
+- **Cierre completo del audit de Parte 1: 8/8 complementos modernos integrados** en clases existentes (no se rompió la numeración):
+  - Clase 049 → **validación temporal** (`TimeSeriesSplit`, walk-forward, gap).
+  - Clase 050 → **feature engineering avanzado** (target encoding con CV out-of-fold, cyclic encoding, los 3 leakages) y **imputación avanzada** (`KNNImputer`, `IterativeImputer`/MICE, `MissingIndicator`).
+  - Clase 052 → **HPO moderno** (Optuna con pruners, optimización bayesiana, `HalvingGridSearchCV`).
+  - Clase 053 → **Model Cards y documentación responsable** (Mitchell 2018, HF model cards, Datasheets for Datasets, EU AI Act).
+  - Clase 056 → **class imbalance** (`class_weight='balanced'`, SMOTE vía `imblearn`, threshold tuning con `precision_recall_curve`, warning anti-leakage).
+  - Clase 067 → **calibración de probabilidades** (Platt, isotonic, temperature scaling, `CalibratedClassifierCV`).
+  - Clase 077 → **interpretabilidad moderna SHAP/LIME** (`TreeExplainer`, `summary_plot`, `waterfall_plot`, PDP/ICE).
+- **5 complementos modernos sumados a Parte 0** (cierran huecos del audit sin tocar el contenido existente):
+  - Clase 004 → **testing con pytest** (fixtures, parametrize, qué testear en DS).
+  - Clase 011 → **formatos columnares** Parquet/Arrow/Feather + `dtype_backend="pyarrow"`.
+  - Clase 022 → **Polars** como alternativa moderna (tabla comparativa con pandas).
+  - Clase 030 → **regex con módulo `re`** (metacaracteres, raw strings, regex101).
+  - Clase 045 → **httpx + async** (`asyncio.gather`, `Semaphore` para rate limiting, `tenacity`).
+- README de Parte 1 actualizado con marca de completitud (✅) y listado explícito de los 7 complementos modernos integrados.
+
+### Cambiado
+
+- README raíz: badge "Parte 0 46/46" reemplazado por badges **Parte 0 ✅** + **Parte 1 43/43 ✅**; versión a v2.3.0; estado a "Partes 2-8 en desarrollo".
+- ROADMAP: marcado el ítem de Parte 1 (43 clases) como completado; versión actualizada a v2.3.0.
+- `docs/CATALOGO_PRODUCTO.md`: estado del currículo "Partes 0-1 (89 clases) completas y ampliadas".
+- `docs/syllabus.md`: tabla de estado de implementación refleja Parte 1 completa.
+
+### Corregido
+
+- Clase 073 (regresión con árboles): el link a "Siguiente clase" mostraba el path como texto visible; ahora usa un texto humano legible.
+
+---
+
 ## [v2.2.0] — 2026-05-22
 
 ### Añadido

README.md

@@ -12,10 +12,11 @@
 [![Security](https://github.com/vladimiracunadev-create/python-data-science-program/actions/workflows/security.yml/badge.svg?branch=main)](https://github.com/vladimiracunadev-create/python-data-science-program/actions/workflows/security.yml)
 [![Pages](https://github.com/vladimiracunadev-create/python-data-science-program/actions/workflows/deploy-pages.yml/badge.svg?branch=main)](https://github.com/vladimiracunadev-create/python-data-science-program/actions/workflows/deploy-pages.yml)
 
-[![Version](https://img.shields.io/badge/release-v2.2.0-2e8b57?style=for-the-badge)](CHANGELOG.md)
+[![Version](https://img.shields.io/badge/release-v2.3.0-2e8b57?style=for-the-badge)](CHANGELOG.md)
 [![Clases](https://img.shields.io/badge/clases-197%20%C2%B7%209%20partes-7c5cff?style=for-the-badge)](classes/README.md)
-[![Parte 0](https://img.shields.io/badge/Parte%200-46%2F46%20completa%20%E2%9C%A8-3fb950?style=for-the-badge)](classes/parte-0-prerrequisitos/README.md)
-[![Estado](https://img.shields.io/badge/Partes%201--8-en%20desarrollo-f59e0b?style=for-the-badge)](ROADMAP.md)
+[![Parte 0](https://img.shields.io/badge/Parte%200-46%2F46%20%E2%9C%85-3fb950?style=for-the-badge)](classes/parte-0-prerrequisitos/README.md)
+[![Parte 1](https://img.shields.io/badge/Parte%201-43%2F43%20%E2%9C%85-3fb950?style=for-the-badge)](classes/parte-1-machine-learning-clasico/README.md)
+[![Estado](https://img.shields.io/badge/Partes%202--8-en%20desarrollo-f59e0b?style=for-the-badge)](ROADMAP.md)
 [![License](https://img.shields.io/badge/license-MIT-3fb950?style=for-the-badge)](LICENSE)
 
 [![Python](https://img.shields.io/badge/Python-3.10%20%7C%203.11%20%7C%203.12-3776AB?style=flat-square&logo=python&logoColor=white)](https://www.python.org/)
@@ -53,10 +54,10 @@ Integra currículo modular extenso, laboratorio interactivo local, portal del al
 
 | 🎯 Aspecto | Estado |
 |---|---|
-| 🏷️ **Versión** | `v2.2.0` |
+| 🏷️ **Versión** | `v2.3.0` |
 | 📚 **Clases** | 197 en 9 partes |
 | 🗂️ **Estructura** | ✅ scaffold de las 197 clases (`README.md` + `notebook.ipynb`) |
-| ✍️ **Contenido pedagógico** | 🟢 **Parte 0 (46 clases) — completa y ampliada** con Definiciones · Errores comunes · FAQ · ⏳ Partes 1-8 en desarrollo |
+| ✍️ **Contenido pedagógico** | 🟢 **Partes 0 y 1 (89 clases) — completas y ampliadas** con Definiciones · Errores comunes · FAQ + 13 complementos modernos integrados (regex, pytest, Polars, Parquet, async/httpx, validación temporal, FE avanzado, MICE, Optuna, model cards, class imbalance, calibración, SHAP/LIME) · ⏳ Partes 2-8 en desarrollo |
 | 🧭 **Descubribilidad Pages** | ✅ tabla de contenidos automática + badges por clase + banner global de progreso |
 | 🧪 **Laboratorio Flask** | ✅ ejecución Python local, captura de gráficos, guardado de notebooks |
 | 🖥️ **App Windows** | ✅ código operativo · binario pendiente de rebuild (Edge WebView2, sin navegador) |
@@ -70,7 +71,7 @@ Cada parte tiene su **propio README** con narrativa completa: de qué trata, qu
 | # | Parte | Clases | Foco | README |
 |---|---|---:|---|---|
 | 0️⃣ | Prerrequisitos ✅ | 46 | Python aplicado, NumPy, pandas, visualización, SQL, NoSQL, APIs | [📘 leer](classes/parte-0-prerrequisitos/README.md) |
-| 1️⃣ | ML clásico | 43 | Regresión, clasificación, ensembles, no supervisado | [📘 leer](classes/parte-1-machine-learning-clasico/README.md) |
+| 1️⃣ | ML clásico ✅ | 43 | Regresión, clasificación, ensembles, no supervisado | [📘 leer](classes/parte-1-machine-learning-clasico/README.md) |
 | 2️⃣ | Deep Learning | 56 | Keras, TF, CNN, RNN, Transformers, RL, despliegue | [📘 leer](classes/parte-2-deep-learning/README.md) |
 | 3️⃣ | Estadística inferencial | 13 | Hipótesis, A/B testing, inferencia causal, Bayes | [📘 leer](classes/parte-3-estadistica-inferencial/README.md) |
 | 4️⃣ | MLOps | 14 | Docker, CI/CD, MLflow, monitoreo, interpretabilidad | [📘 leer](classes/parte-4-mlops/README.md) |
@@ -124,7 +125,7 @@ Cada parte tiene su **propio README** con narrativa completa: de qué trata, qu
 | 🧪 Laboratorio interactivo (`app/`) | entorno local de clase — notebooks, runner, ejecución Python | ✅ operativo |
 | 🌐 Portal del alumno (`site/`) | punto de entrada oficial para estudiantes | ✅ operativo |
 | 🏛️ Vista institucional (`site/product/`) | presentación visual del producto | ✅ operativa |
-| 📚 Currículo modular (`classes/`) | 197 clases en 9 partes: Prerrequisitos, ML clásico, Deep Learning, Estadística inferencial, MLOps, Ingeniería de datos, Recomendadores, Ética, Capstones | 🟢 Parte 0 (46) completa y ampliada · 🟡 Partes 1-8 scaffold operativo, contenido en desarrollo |
+| 📚 Currículo modular (`classes/`) | 197 clases en 9 partes: Prerrequisitos, ML clásico, Deep Learning, Estadística inferencial, MLOps, Ingeniería de datos, Recomendadores, Ética, Capstones | 🟢 Partes 0-1 (89 clases) completas y ampliadas con 13 complementos modernos · 🟡 Partes 2-8 scaffold operativo, contenido en desarrollo |
 | 🖥️ App de escritorio Windows (`launcher.py` + `program.spec` + `installer/`) | ventana nativa con Edge WebView2 — sin navegador, sin Python en el PC del alumno | 🟡 código operativo · binario pendiente de build |
 | 📱 App Android (`mobile/`) | Expo/React Native con integración Google Colab | 🟡 código operativo · contenido pendiente de migración |
 | 📄 PDFs (`docs/pdfs/`) | guías por clase | 🔄 se regeneran por bloques al madurar el contenido |

ROADMAP.md

@@ -4,7 +4,7 @@
 
 ### **Dirección futura del Python Data Science Program**
 
-[![Version](https://img.shields.io/badge/release-v2.0.0--scaffold-2e8b57?style=for-the-badge)](CHANGELOG.md)
+[![Version](https://img.shields.io/badge/release-v2.3.0-2e8b57?style=for-the-badge)](CHANGELOG.md)
 [![Estado](https://img.shields.io/badge/contenido-en%20desarrollo-f59e0b?style=for-the-badge)](#-trabajo-cr%C3%ADtico--completar-el-contenido-pedag%C3%B3gico)
 
 </div>
@@ -13,11 +13,11 @@
 
 ---
 
-## 📊 Estado actual — v2.0.0-scaffold (mayo 2026)
+## 📊 Estado actual — v2.3.0 (junio 2026)
 
 | 🎛️ Superficie | 🚦 Estado |
 |---|---|
-| 📚 Currículo (197 clases, 9 partes) | 🟢 **Parte 0 (46) completa y ampliada** (Definiciones · Errores · FAQ) · Partes 1-8 en desarrollo |
+| 📚 Currículo (197 clases, 9 partes) | 🟢 **Partes 0 y 1 (89 clases) completas y ampliadas** (Definiciones · Errores · FAQ + 13 complementos modernos) · Partes 2-8 en desarrollo |
 | 🧪 Laboratorio Flask | ✅ operativo |
 | 🖥️ App de escritorio Windows (pywebview) | 🟡 código operativo · binario pendiente de rebuild |
 | 📱 App Android | 🟡 APK debug publicado — pendiente migrar contenido al índice actual |
@@ -31,9 +31,9 @@
 
 ### 📝 Contenido pedagógico
 
-- [x] **0️⃣ Parte 0 — Prerrequisitos (46 clases)** ✅ completada (mayo 2026) y **ampliada con Definiciones, Errores comunes y FAQ por clase** — VanderPlas + Ramalho + Tanimura + Mitchell + docs oficiales
-- [ ] Desarrollar las 43 clases de la **1️⃣ Parte 1 — ML clásico**
-- [ ] Desarrollar las 13 clases de la **3️⃣ Parte 3 — Estadística inferencial** (intercaladas con Parte 1)
+- [x] **0️⃣ Parte 0 — Prerrequisitos (46 clases)** ✅ completada (mayo 2026), **ampliada con Definiciones, Errores comunes y FAQ por clase** y reforzada con **5 complementos modernos** (regex, pytest, Polars, Parquet/Arrow, async/httpx) — VanderPlas + Ramalho + Tanimura + Mitchell + docs oficiales
+- [x] **1️⃣ Parte 1 — ML clásico (43 clases)** ✅ completada (junio 2026), con patrón pedagógico completo y **8 complementos modernos integrados** (validación temporal, feature engineering avanzado + MICE, HPO con Optuna, model cards, class imbalance + SMOTE, calibración de probabilidades, SHAP/LIME) — Géron 3ª ed., caps. 1–9 + docs XGBoost/LightGBM/CatBoost
+- [ ] Desarrollar las 13 clases de la **3️⃣ Parte 3 — Estadística inferencial** (siguiente prioridad — soporta evaluación de modelos de Parte 1)
 - [ ] Desarrollar las 56 clases de la **2️⃣ Parte 2 — Deep Learning**
 - [ ] Desarrollar las 14 clases de la **4️⃣ Parte 4 — MLOps**
 - [ ] Desarrollar las 25 clases restantes (Partes 5, 6, 7, 8)

classes/README.md

@@ -2,17 +2,17 @@
 
 **197 clases · 9 partes.** Cada parte tiene su propio README con la narrativa completa (de qué trata, qué problemas resuelve, resultados de aprendizaje, estructura temática y prerrequisitos).
 
-| Parte | Tema | Clases | README de la parte |
-|---|---|---:|---|
-| 0 | Prerrequisitos: Python, NumPy, pandas, visualización, SQL, APIs | 46 | [📘 leer parte 0](parte-0-prerrequisitos/README.md) |
-| 1 | Machine Learning clásico | 43 | [📘 leer parte 1](parte-1-machine-learning-clasico/README.md) |
-| 2 | Deep Learning (Keras, TF, Transformers, RL, despliegue) | 56 | [📘 leer parte 2](parte-2-deep-learning/README.md) |
-| 3 | Estadística inferencial y causal | 13 | [📘 leer parte 3](parte-3-estadistica-inferencial/README.md) |
-| 4 | MLOps en producción | 14 | [📘 leer parte 4](parte-4-mlops/README.md) |
-| 5 | Ingeniería de datos | 8 | [📘 leer parte 5](parte-5-ingenieria-de-datos/README.md) |
-| 6 | Sistemas de recomendación | 7 | [📘 leer parte 6](parte-6-sistemas-de-recomendacion/README.md) |
-| 7 | Ética, fairness, privacidad | 6 | [📘 leer parte 7](parte-7-etica-fairness-privacidad/README.md) |
-| 8 | Capstones | 4 | [📘 leer parte 8](parte-8-capstones/README.md) |
+| Parte | Tema | Clases | Estado | README de la parte |
+|---|---|---:|---|---|
+| 0 | Prerrequisitos: Python, NumPy, pandas, visualización, SQL, APIs | 46 | ✅ completa | [📘 leer parte 0](parte-0-prerrequisitos/README.md) |
+| 1 | Machine Learning clásico | 43 | ✅ completa | [📘 leer parte 1](parte-1-machine-learning-clasico/README.md) |
+| 2 | Deep Learning (Keras, TF, Transformers, RL, despliegue) | 56 | ⏳ scaffold | [📘 leer parte 2](parte-2-deep-learning/README.md) |
+| 3 | Estadística inferencial y causal | 13 | ⏳ scaffold | [📘 leer parte 3](parte-3-estadistica-inferencial/README.md) |
+| 4 | MLOps en producción | 14 | ⏳ scaffold | [📘 leer parte 4](parte-4-mlops/README.md) |
+| 5 | Ingeniería de datos | 8 | ⏳ scaffold | [📘 leer parte 5](parte-5-ingenieria-de-datos/README.md) |
+| 6 | Sistemas de recomendación | 7 | ⏳ scaffold | [📘 leer parte 6](parte-6-sistemas-de-recomendacion/README.md) |
+| 7 | Ética, fairness, privacidad | 6 | ⏳ scaffold | [📘 leer parte 7](parte-7-etica-fairness-privacidad/README.md) |
+| 8 | Capstones | 4 | ⏳ scaffold | [📘 leer parte 8](parte-8-capstones/README.md) |
 
 ---
 

docs/CATALOGO_PRODUCTO.md

@@ -5,13 +5,13 @@
 ### **Fuente de verdad de superficies, artefactos y reglas de comunicación**
 
 [![Autoridad](https://img.shields.io/badge/prioridad-este%20documento-ef4444?style=for-the-badge)](#-regla-de-prioridad)
-[![Estado](https://img.shields.io/badge/release-v2.2.0-2e8b57?style=for-the-badge)](../CHANGELOG.md)
+[![Estado](https://img.shields.io/badge/release-v2.3.0-2e8b57?style=for-the-badge)](../CHANGELOG.md)
 
 </div>
 
 > ⚠️ Si algún README, landing o presentación contradice este documento, **este tiene prioridad.**
 >
-> 📌 El currículo tiene **197 clases en 9 partes**. **Parte 0 (46 clases) está completa y ampliada** con contenido pedagógico real + Definiciones/Errores/FAQ. **Partes 1-8** tienen la estructura (scaffold) y se desarrollan por bloques. Pauta completa en [syllabus.md](syllabus.md), índice navegable en [../classes/README.md](../classes/README.md).
+> 📌 El currículo tiene **197 clases en 9 partes**. **Partes 0 y 1 (89 clases) están completas y ampliadas** con contenido pedagógico real + Definiciones/Errores/FAQ + 13 complementos modernos (regex, pytest, Polars, Parquet, async/httpx, validación temporal, FE avanzado, MICE, Optuna, model cards, class imbalance, calibración, SHAP/LIME). **Partes 2-8** tienen la estructura (scaffold) y se desarrollan por bloques. Pauta completa en [syllabus.md](syllabus.md), índice navegable en [../classes/README.md](../classes/README.md).
 
 ---
 
@@ -35,7 +35,7 @@
 | App Android (`mobile/`) | distribución móvil | **catálogo vacío** | alumno en movimiento | código operativo, pero `mobile/src/data/classes.js` quedó como stub; pendiente cargar entradas del currículo actual |
 | Portal del alumno (`site/`) | superficie pública | operativo | alumno | muestra el resumen de 197 clases en 9 partes con tarjeta por parte |
 | Vista institucional (`site/product/`) | superficie pública | operativo (mensaje genérico) | institución / evaluador | narrativa del producto, alcance, arquitectura visual |
-| Currículo modular (`classes/`) | base pedagógica | **Parte 0 (46) completa y ampliada** · Partes 1-8 scaffold | docente / alumno | 197 clases organizadas en 9 partes (Prerrequisitos, ML clásico, Deep Learning, Estadística inferencial, MLOps, Ingeniería de datos, Recomendadores, Ética, Capstones). Parte 0 incluye Definiciones, Errores comunes y FAQ por clase. |
+| Currículo modular (`classes/`) | base pedagógica | **Partes 0 y 1 (89) completas y ampliadas** · Partes 2-8 scaffold | docente / alumno | 197 clases organizadas en 9 partes (Prerrequisitos, ML clásico, Deep Learning, Estadística inferencial, MLOps, Ingeniería de datos, Recomendadores, Ética, Capstones). Partes 0 y 1 incluyen Definiciones, Errores comunes y FAQ por clase, más 13 complementos modernos (regex, pytest, Polars, Parquet, async/httpx, validación temporal, FE avanzado, MICE, Optuna, model cards, class imbalance, calibración, SHAP/LIME). |
 | Kit documental (`docs/`) | capa editorial | operativo | docente / stakeholder | metodología, operación, evaluación, seguridad y arquitectura |
 | PDFs (`docs/pdfs/`) | artefacto de apoyo | se regenera por bloque | docente / alumno / evaluador | guías PDF por clase al madurar el contenido |
 | Presentaciones (`docs/presentaciones/`) | artefacto de apoyo | se regenera por bloque | docente | decks `.pptx` por clase al madurar el contenido |
@@ -105,7 +105,7 @@ Cada clase vive en `classes/parte-N-slug/NNN-tema-slug/` con `README.md` (ficha)
 
 ### Lo que no se debe mezclar
 
-- **el currículo está parcialmente desarrollado**: Parte 0 (46 clases) completa y ampliada con Definiciones/Errores/FAQ; Partes 1-8 son scaffold cuya estructura existe pero el contenido pedagógico debe desarrollarse — no afirmar "197 clases listas para dictar";
+- **el currículo está parcialmente desarrollado**: Partes 0 y 1 (89 clases) completas y ampliadas con Definiciones/Errores/FAQ + 13 complementos modernos; Partes 2-8 son scaffold cuya estructura existe pero el contenido pedagógico debe desarrollarse — no afirmar "197 clases listas para dictar";
 - el portal del alumno **no es** todo el producto;
 - la vista institucional **no reemplaza** el laboratorio;
 - la app Android **no ejecuta Python nativo** — usa Google Colab;

docs/syllabus.md

@@ -83,10 +83,11 @@ Capaz de:
 | Componente | Estado |
 |---|---|
 | Estructura de carpetas (197) | ✅ creada |
-| README por clase | ✅ Parte 0 (46) completos y ampliados · Partes 1-8 stubs |
-| `notebook.ipynb` por clase | ✅ Parte 0 (46) ejecutables · Partes 1-8 stubs |
-| Contenido pedagógico real | 🟢 Parte 0 completa · ⏳ 151 clases pendientes (Partes 1-8) |
-| Definiciones + Errores comunes + FAQ por clase | 🟢 46/46 en Parte 0 (v2.2.0) · ⏳ Partes 1-8 |
+| README por clase | ✅ Partes 0 y 1 (89) completos y ampliados · Partes 2-8 stubs |
+| `notebook.ipynb` por clase | ✅ Parte 0 (46) ejecutables · ⏳ Partes 1-8 stubs (notebooks pendientes de desarrollo aunque los README estén completos en Parte 1) |
+| Contenido pedagógico real | 🟢 Partes 0 y 1 completas (89 clases) · ⏳ 108 clases pendientes (Partes 2-8) |
+| Definiciones + Errores comunes + FAQ por clase | 🟢 89/89 en Partes 0-1 (v2.3.0) · ⏳ Partes 2-8 |
+| Complementos modernos integrados | 🟢 13 complementos en Partes 0-1 (regex, pytest, Polars, Parquet, async/httpx, validación temporal, FE+MICE, Optuna, model cards, class imbalance, calibración, SHAP/LIME) |
 | PDFs y PPTX por clase | ⏳ pendiente (regenerar tras desarrollar contenido) |
 | Quizzes pre/post lección | ⏳ pendiente |
 | Datasets temáticos por bloque | ⏳ pendiente |
@@ -116,9 +117,9 @@ Materiales opcionales que se pueden añadir conforme una clase madure:
 
 ## 🛣️ Orden recomendado de desarrollo
 
-1. **Parte 0** completa (46 clases) — sin prerrequisitos nadie llega al resto.
-2. **Parte 1** (43 clases) — ML clásico es la base del 70% del trabajo real.
-3. **Parte 3** intercalada con Parte 1 — la estadística inferencial soporta la evaluación de modelos.
+1. ~~**Parte 0** completa (46 clases) — sin prerrequisitos nadie llega al resto.~~ ✅ completada (v2.1.0, ampliada en v2.2.0, +5 complementos en v2.3.0).
+2. ~~**Parte 1** (43 clases) — ML clásico es la base del 70% del trabajo real.~~ ✅ completada (v2.3.0, con 8 complementos modernos integrados).
+3. **Parte 3** (13 clases) — siguiente prioridad. La estadística inferencial soporta la evaluación de modelos de Parte 1.
 4. **Parte 2** (56 clases) — Deep Learning solo con bases sólidas de Parte 1.
 5. **Parte 4** (MLOps) — después de tener al menos un modelo serio entrenado.
 6. **Partes 5, 6, 7** en paralelo según prioridad.