Función de una recta

y = b + w·x: mueva el intercepto y la pendiente y vea cómo cambia la recta.

Regresión lineal: educación y salario

Ajuste la recta a los datos, vea los errores de predicción y busque el menor error cuadrático medio.

Minimizar la pérdida: descenso del gradiente

Vea cómo el algoritmo baja por el mapa de la pérdida hasta hallar la mejor recta, y qué pasa si el paso es muy pequeño o muy grande.

Redes neuronales

De una neurona (pesos, sesgo y activación) a una red que aprende en vivo: capas ocultas, pérdida y fronteras de decisión.

Agrupamiento en K medias

Vea paso a paso cómo el algoritmo asigna puntos a centroides y los va moviendo hasta converger.

Embeddings: el significado de las palabras

Un mini modelo entrenado en su navegador: mapa de palabras, similitud coseno y un buscador por significado.

Si… entonces: los condicionales

La regla que hay detrás de ELIZA, con la misma forma de una norma: cuándo se aplica, qué cambia al poner «y» u «o», y por qué el orden decide.

Los mismos condicionales, en Python

El cuaderno ejecutable: arranca por el if más simple —el paraguas y la lluvia— y llega a las mismas reglas de clase. Ábralo en Google Colab, cambie los hechos y vuelva a ejecutar.

ELIZA (1966)

Converse con ELIZA y vea, paso a paso, cómo arma cada respuesta con palabras clave y plantillas.

Entrenar un modelo de lenguaje

Un Transformer diminuto que aprende en vivo a predecir la siguiente palabra: la pérdida, la atención y el texto que genera antes y después de entrenar.