Cómo Configurar un Entorno de Desarrollo de IA en Ubuntu (actualizado 2026)

La Inteligencia Artificial (IA) es uno de los campos más emocionantes y de más rápida evolución en la tecnología actual. Con la IA, las máquinas son capaces de realizar tareas que antes requerían inteligencia humana, como el reconocimiento de imágenes, el procesamiento del lenguaje natural y la toma de decisiones.

Si eres principiante y quieres adentrarte en el desarrollo de IA, Linux es una excelente elección de sistema operativo, ya que es potente, flexible y ampliamente utilizado en la comunidad de IA.

En esta guía, te explicaremos paso a paso cómo configurar un entorno de desarrollo de IA en tu sistema Ubuntu con las herramientas más actuales disponibles en 2026.

Esto Necesitas saber antes de Comenzar

Antes de comenzar, repasemos los elementos esenciales que necesitarás:

• Conocimientos básicos de línea de comandos: Debes tener cierta familiaridad con la terminal de Linux y los comandos básicos, ya que los necesitarás durante el proceso.
• Python: Es el lenguaje más popular para el desarrollo de IA. En 2026, se recomienda usar Python 3.10, 3.11, 3.12 o 3.13, ya que tanto TensorFlow 2.21 como PyTorch 2.11 requieren Python 3.10 o superior. Las versiones anteriores como Python 3.7, 3.8 o 3.9 ya no están soportadas por los principales frameworks.

⚠️ IMPORTANTE (2026): A partir de TensorFlow 2.21, Python 3.9 ya no es compatible: debes usar una versión soportada como Python 3.10 a 3.13.

Paso 1: Actualiza el Sistema

El primer paso es asegurarte de que tu sistema esté completamente actualizado para evitar problemas de compatibilidad con las versiones más recientes de los frameworks.

Abre la terminal y ejecuta:

sudo apt update && sudo apt upgrade -y

Paso 2: Instala Python en Ubuntu

Python es el lenguaje principal para el desarrollo de IA. Para comprobar si ya está instalado, ejecuta:

python3 --version

Si la versión instalada es inferior a Python 3.10, actualízala. Para instalar la versión recomendada:

sudo apt install python3 python3-pip -y

Verifica la instalación ejecutando:

python3 --version

Paso 3: Instala las Bibliotecas de IA en Ubuntu

Con Python instalado, es hora de configurar las bibliotecas de IA. En 2026, se recomienda siempre trabajar con entornos virtuales para aislar las dependencias de cada proyecto:

sudo apt install python3-venv
python3 -m venv myenv
source myenv/bin/activate

1. Instalar TensorFlow en Ubuntu

La versión más reciente de TensorFlow es la 2.21.0, publicada en marzo de 2026. Esta versión trae mejoras significativas de rendimiento, incluida la llegada de LiteRT en su fase de producción, que supera a TensorFlow Lite con un procesamiento de datos considerablemente más rápido.

Para instalar TensorFlow, ejecuta:

# Para usuarios con GPU
pip install tensorflow[and-cuda]

# Para usuarios solo con CPU
pip install tensorflow

💡 NOVEDAD 2026: Se recomienda usar la nueva sintaxis tensorflow[and-cuda] para instalaciones con GPU, en lugar de gestionar CUDA de forma separada.

2. Instalar PyTorch en Ubuntu

La versión más reciente de PyTorch es la 2.11.0, lanzada el 23 de marzo de 2026. En 2026, PyTorch ha alcanzado el 55% de cuota de producción, consolidándose como el framework dominante tanto en investigación como en prototipado.

Para instalar PyTorch, ejecuta:

pip install torch torchvision

💡 CONSEJO 2026: Aprovecha torch.compile() para obtener hasta un 20-25% de mejora en velocidad de entrenamiento con una sola línea de código adicional.

3. Instalar Keras en Ubuntu

En 2026, Keras 3 es compatible con múltiples backends (TensorFlow, PyTorch y JAX) lo que permite usar el mismo código y cambiar de framework según las necesidades. Es la opción ideal para portabilidad y enseñanza.

Para instalarlo:

pip install keras

NOTA: Keras ya viene incluido en TensorFlow 2.x de forma predeterminada.

4. Instalar Scikit-learn

Para tareas de aprendizaje automático clásico que no requieren aprendizaje profundo, Scikit-learn es la biblioteca de referencia, con herramientas para clasificación, regresión, clustering y más.

pip install scikit-learn

5. Instalar Pandas y NumPy en Ubuntu

Pandas y NumPy siguen siendo bibliotecas esenciales en 2026 para la manipulación y análisis de datos.

pip install pandas numpy

Paso 4: Instala Jupyter Notebook (Opcional)

Jupyter Notebook continúa siendo una herramienta ampliamente utilizada en el desarrollo de IA para experimentar con código de forma interactiva.

pip install notebook

Inicia Jupyter con:

jupyter notebook

Paso 5: Instala los Controladores de GPU (Opcional, Para Mayor Velocidad)

Si dispones de una GPU NVIDIA compatible, puedes usarla para acelerar significativamente el entrenamiento de modelos.

Para instalar los controladores más recientes de NVIDIA:

sudo apt install nvidia-driver-535

⚠️ UPDATES 2026: Se recomienda usar el driver 535 o superior para compatibilidad con CUDA 12, que es el requerido por TensorFlow 2.21 y las versiones recientes de PyTorch.

Reinicia el sistema tras la instalación:

sudo reboot

Para habilitar el uso de GPU con TensorFlow, instala directamente:

pip install tensorflow[and-cuda]

Paso 6: Prueba Tu Configuración

Verifica que todo funciona correctamente. Abre el intérprete de Python:

python3

Prueba TensorFlow:

import tensorflow as tf
print(tf.__version__)  # Debería mostrar 2.21.0

Prueba PyTorch:

import torch
print(torch.__version__)  # Debería mostrar 2.11.0

Si ambas bibliotecas muestran sus versiones sin errores, ¡tu entorno está listo!

Paso 7: Comienza a Construir Modelos de IA

Con tu entorno configurado, ya puedes empezar a construir modelos de IA. Aquí tienes un ejemplo actualizado con TensorFlow 2.21 y Keras 3:

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# Definir un modelo simple
model = Sequential([
    Dense(64, activation='relu', input_shape=(784,)),
    Dense(10, activation='softmax')
])

# Compilar el modelo
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# Resumen del modelo
model.summary()

💡 TIP 2026: Para proyectos de IA generativa o LLMs, considera añadir a tu stack la biblioteca Hugging Face Transformers, que se ha convertido en el estándar del sector para trabajar con modelos de lenguaje preentrenados.

Conclusión

¡Felicidades! Has configurado exitosamente tu entorno de desarrollo de IA en Ubuntu con las herramientas más actuales de 2026: Python 3.10+, TensorFlow 2.21, PyTorch 2.11, Keras 3 y Jupyter Notebook.

El ecosistema de IA en Python en 2026 proporciona todo lo necesario para construir sistemas de machine learning en producción, combinando frameworks potentes como PyTorch y TensorFlow con modelos preentrenados y herramientas robustas de MLOps.

🔄 Resumen de versiones actualizadas (Abril 2026)