Descenso de gradiente
SGD, Momentum, RMSProp y Adam compiten sobre cuatro superficies de pérdida. Cambia la tasa de aprendizaje, el punto inicial y el ruido.
Experimenta con los algoritmos
Diez laboratorios que se ejecutan en tu navegador. Nueve simulaciones en las que cambias parámetros y ves el efecto al instante (tasa de aprendizaje, profundidad, regularización, número de grupos, capas de una red o cabezas de atención) y un laboratorio de Python con retos corregidos automáticamente.
Sobreajuste y regresión polinómica
Sube el grado del polinomio y observa cómo el error de validación forma una U. Regularización L2 incluida.
Lasso contra Ridge
La geometría del rombo L1 y el círculo L2, y los caminos de regularización de un modelo de 8 variables.
Árbol de decisión y Random Forest
El árbol crece corte a corte buscando la menor impureza de Gini. Compáralo con un bosque de 25 árboles.
K-means paso a paso
Asignar y actualizar hasta converger. Inicialización aleatoria contra k-means++ y método del codo.
La función sigmoide
La activación, su derivada y la saturación. Comparación con tanh y ReLU.
Frontera de decisión de una red
Entrena un MLP en directo sobre círculos, XOR o espirales y mira qué aprende cada neurona.
Backpropagation paso a paso
Una red 3→4→3 con softmax y entropía cruzada: los 11 pasos de una iteración con números reales.
Visualizador de atención
Query, Key y Value con las cuentas a la vista, dos cabezas y máscara causal.
Laboratorio de Python
Diez retos con corrección automática para practicar variables, listas, bucles, funciones, NumPy y Pandas. Python se ejecuta de verdad en tu navegador y los errores se explican en español.