IA práctica para programadores: ChatGPT, LLM, RAG, agentes, evaluación y despliegue.
Cross-entropy: Elección de la función de pérdida Introducción La función de pérdida es una parte crucial en el entrenamiento de cualquier modelo de aprendizaje automático, y en particular, en las redes neuronales. La elección adecuada de la…
Función de pérdida: Entendiendo y aplicando MSE Introducción La función de pérdida es un elemento crucial en la implementación de cualquier modelo de aprendizaje automático. Específicamente, la función de pérdida Mean Squared Error (MSE) mi…
Qué se optimiza realmente Introducción En la implementación y entrenamiento de redes neuronales, una pregunta fundamental que surge es: "¿Qué se está realmente optimizando?" Esto es crucial porque la función de pérdida (loss funct…
Error en clasificación Introducción En la implementación y entrenamiento de modelos de aprendizaje automático, una parte crucial es medir y minimizar los errores. En particular, cuando trabajamos con problemas de clasificación, necesitamos …
Error en regresión Introducción En el campo de la inteligencia artificial y el aprendizaje automático, las redes neuronales son una poderosa herramienta para resolver problemas de regresión. Sin embargo, para que estas redes funcionen efici…
Consecuencias prácticas: Redes como composiciones de funciones Introducción Las redes neuronales son una poderosa herramienta en la caja de herramientas del aprendizaje automático. Para entender su funcionamiento y aplicarlas correctamente,…
Interpretación matemática: Redes como composiciones de funciones Introducción La interpretación matemática de redes neuronales es fundamental para comprender cómo funcionan bajo la capa de abstracción. Una red neuronal puede ser vista no so…
Funciones encadenadas: Comprendiendo cómo las redes neuronales funcionan como composiciones matemáticas Introducción En la era de la inteligencia artificial, las redes neuronales son fundamentales para muchos de los avances tecnológicos que…