diff --git a/README.md b/README.md
new file mode 100644
index 0000000..f2cc849
--- /dev/null
+++ b/README.md
@@ -0,0 +1,133 @@
+# 🤖 Fundamentos de Inteligencia Artificial y Machine Learning
+
+![Python](https://img.shields.io/badge/Python-3.x-blue)
+![Machine Learning](https://img.shields.io/badge/Machine-Learning-success)
+![Google Colab](https://img.shields.io/badge/Google-Colab-orange)
+![Status](https://img.shields.io/badge/Status-Completed-brightgreen)
+
+## 📖 Descripción
+
+Este repositorio documenta mi proceso de aprendizaje en **Inteligencia Artificial y Machine Learning**, incluyendo notebooks, ejercicios prácticos y experimentos desarrollados durante el curso **Fundamentos de IA y Machine Learning**.
+
+A lo largo del curso exploré los principales paradigmas del aprendizaje automático, desde modelos supervisados y no supervisados hasta técnicas modernas de visión computacional, procesamiento de lenguaje natural y aprendizaje por refuerzo.
+
+---
+
+## 🎯 Objetivos del Curso
+
+* Comprender los fundamentos de la Inteligencia Artificial.
+* Construir modelos de clasificación y regresión.
+* Evaluar y validar modelos de Machine Learning.
+* Aplicar técnicas de optimización y ajuste de hiperparámetros.
+* Implementar algoritmos de clustering y reducción de dimensionalidad.
+* Introducir conceptos de Deep Learning.
+* Explorar aplicaciones de Computer Vision y NLP.
+* Comprender los principios básicos del Reinforcement Learning.
+
+---
+
+## 📚 Temas Estudiados
+
+### 🔹 Aprendizaje Supervisado
+
+* Clasificación
+* Regresión
+* Métricas de validación
+* Dataset Iris
+* Selección de características
+* Ajuste de hiperparámetros
+* Ensamble de modelos
+
+### 🔹 Aprendizaje No Supervisado
+
+* Clustering
+* Agrupamiento jerárquico
+* Segmentación de clientes
+* Reducción de dimensionalidad con PCA
+
+### 🔹 Visión Computacional
+
+* Representación y procesamiento de imágenes
+* Redes Neuronales Convolucionales (CNN)
+* Clasificación de imágenes
+* Identificación de objetos con MobileNetV2
+
+### 🔹 Procesamiento de Lenguaje Natural (NLP)
+
+* Fundamentos de NLP
+* Transformers
+* Aplicaciones prácticas del procesamiento de texto
+
+### 🔹 Aprendizaje por Refuerzo
+
+* Exploración vs Explotación
+* Estrategias de aprendizaje
+* Casos de uso empresariales
+* Desafíos del Machine Learning moderno
+
+---
+
+## 🛠️ Tecnologías Utilizadas
+
+* Python
+* Google Colab
+* NumPy
+* Pandas
+* Matplotlib
+* Scikit-Learn
+* TensorFlow
+* Keras
+
+---
+
+## 📓 Notebook Principal
+
+El desarrollo completo del curso se encuentra documentado en el notebook principal:
+
+➡️ **[Abrir Notebook](./Curso_Fundamentos_IA_Machine_Learning.ipynb)**
+
+GitHub permite visualizar directamente el notebook con:
+
+* Código fuente
+* Explicaciones teóricas
+* Resultados
+* Tablas
+* Gráficas
+
+---
+
+## 🚀 Competencias Desarrolladas
+
+✔️ Preparación y análisis de datos
+
+✔️ Construcción de modelos predictivos
+
+✔️ Evaluación y optimización de modelos
+
+✔️ Computer Vision
+
+✔️ Procesamiento de Lenguaje Natural
+
+✔️ Reinforcement Learning
+
+✔️ Desarrollo de proyectos utilizando Google Colab
+
+---
+
+## 💡 Principales Aprendizajes
+
+Durante este curso adquirí una visión general del ecosistema de Inteligencia Artificial y Machine Learning, comprendiendo cuándo utilizar técnicas supervisadas, no supervisadas y de aprendizaje profundo para resolver diferentes tipos de problemas.
+
+Además, desarrollé experiencia práctica utilizando herramientas ampliamente empleadas en la industria para análisis de datos, entrenamiento de modelos y experimentación en entornos de ciencia de datos.
+
+---
+
+## 👨‍💻 Autor
+
+**Cristian Cruz**
+
+Estudiante de tecnología y entusiasta del desarrollo de software, la Inteligencia Artificial y el Machine Learning.
+
+---
+
+⭐ Si este repositorio te resulta útil o interesante, considera darle una estrella.