Centro de aprendizaje de IA

Centro de aprendizaje de IA

Entiende cómo funciona la IA construyéndola tú mismo: 47 retos de redes neuronales, machine learning, Transformers y aprendizaje por refuerzo, sin librerías de IA. Cada reto se ejecuta en el navegador, con pruebas al instante y una revisión de IA.

  • Python · C++ · C#
  • Pruebas automáticas
  • Revisión de código por IA

Cómo funciona

  1. 1

    Calienta con Python y NumPy

    Los arrays y las matrices son el idioma de la IA. Sáltate este paso si ya los conoces.

    Python para IA →
  2. 2

    Lee la lección del concepto

    Cada módulo empieza con una lección corta con código ejecutable que explica la idea en palabras sencillas.

    Todas las lecciones de IA →
  3. 3

    Resuelve los retos

    Implementa la idea tú mismo en Python, C++ o C#, con pruebas al instante y revisión por IA.

Elige una ruta de aprendizaje

Redes neuronales desde cero

4 módulos · 15 retos

Neuronas, retropropagación y optimizadores

  1. Neuronas y funciones de activación en Python Componentes básicos 3 retos
  2. Propagación hacia adelante y funciones de pérdida en Python Propagación hacia adelante 3 retos
  3. Descenso de gradiente y retropropagación en Python Entrenamiento 5 retos
  4. Optimizadores de redes neuronales: SGD, Momentum y Adam en Python Mejor entrenamiento 4 retos
Resolver en Python C++ C#
Todos los retos de IA
Fácil

Producto escalar de dos vectores

Multiplica dos vectores elemento a elemento y suma los resultados, la operación central de toda neurona.

Aprenderás VectoresProducto escalar
Redes neuronalesaiaprendizaje automático
Aún no hay soluciones
Fácil

Funciones de activación

Aplica sigmoide, ReLU, Leaky ReLU o tanh a cada valor de una lista.

Aprenderás SigmoideReLU y tanh
Redes neuronalesaiaprendizaje automático
Aún no hay soluciones
Fácil

Una sola neurona artificial

Calcula la salida de una neurona: suma ponderada de las entradas más un sesgo, pasada por la sigmoide.

Aprenderás NeuronasSumas ponderadas
Redes neuronalesaiaprendizaje automático
Aún no hay soluciones
Intermedio

Propagación hacia adelante en una capa densa

Calcula las salidas de una capa de neuronas totalmente conectada con la activación que elijas.

Aprenderás Capas densasActivaciones
Redes neuronalesaiaprendizaje automático
Aún no hay soluciones
Intermedio

Propagación hacia adelante en una red de dos capas

Pasa las entradas por una capa oculta ReLU y una capa de salida sigmoide.

Aprenderás Propagación hacia delanteRedes multicapa
Redes neuronalesaiaprendizaje automático
Aún no hay soluciones
Fácil

Funciones de pérdida: MSE, MAE y entropía cruzada

Mide cuán equivocadas son las predicciones de un modelo con el error cuadrático medio, el error absoluto medio o la entropía cruzada binaria.

Aprenderás MSEEntropía cruzada
Redes neuronalesaiaprendizaje automático
Aún no hay soluciones