Workshop gratuito en vivo
En 90 minutos construiremos el recorrido de un modelo —datos → predicción → error → ajuste— para entender por qué aparecen vectores, derivadas y gradient descent en Machine Learning.
Al terminar podrás explicar:
cómo un modelo representa información · cómo mide su error · cómo ajusta sus parámetros para mejorar
Trabajaremos con un notebook interactivo en Python. No necesitas instalar nada.
Álgebra, cálculo y optimización suelen aparecer como prerrequisitos separados. Aquí los veremos surgir dentro de una sola pregunta:
¿Cómo puede un modelo pasar de representar datos a corregir sus propios errores?
Y cuando funcione con los datos de entrenamiento, haremos una última pregunta:
¿aprendió realmente o sólo memorizó?
No es una introducción a Python ni un workshop de "IA sin matemáticas".
No será una conferencia de slides.
Trabajaremos directamente con un notebook: cambiaremos datos, parámetros y errores para construir la intuición detrás de gradient descent.
El objetivo no es evitar las matemáticas.
Es entender por qué están ahí.
No necesitas haberlos estudiado recientemente. Las ideas necesarias aparecerán a partir del problema que estamos construyendo.
Debes sentirte razonablemente cómodo leyendo código sencillo. No necesitas ser experto.
No. Trabajaremos desde el navegador.
No. Es un workshop de 90 minutos diseñado para entender las conexiones matemáticas que aparecen cuando un modelo aprende.