logongas - clase:iabd:pia:1eval
https://logongas.es/
2026-04-23T16:32:47+00:00logongas
https://logongas.es/
https://logongas.es/lib/exe/fetch.php?media=wiki:dokuwiki.svgtext/html2025-11-03T10:37:17+00:00Anonymous (anonymous@undisclosed.example.com)1. Introducción a las redes neuronales
https://logongas.es/doku.php?id=clase:iabd:pia:1eval:tema01&rev=1762166237&do=diff
1. Introducción a las redes neuronales
Es este tema vamos a ver un ejemplo concreto de una red neuronal.
Definición del problema
Vamos a ver un ejemplo muy sencillo de red neuronal que averigüe el tipo de una flor. Para ello vamos a usar un conjunto de datos que se llaman el $$ tipo \: flor=f(largo \: petalo,ancho \: petalo) $$text/html2025-11-03T10:37:17+00:00Anonymous (anonymous@undisclosed.example.com)2. Python
https://logongas.es/doku.php?id=clase:iabd:pia:1eval:tema02&rev=1762166237&do=diff
2. Python
Para poder programar con Python vamos a usars el siguiente software:
* Visual Studio Code: El IDE
* Miniconda: Permite trabajar con los Jupyter Notebooks
* Extensiones de VS Code
* Diversas librerías de Python
Mas información:
* Understanding Python imports, __init__.py and pythonpath — once and for all
* 10 Python One Liner Tricks to Save Your Precious Time
* 10 Python Tricks That Will Wow You
* JupyterLab App:A desktop application for JupyterLab, based on Electron…text/html2025-11-03T10:37:17+00:00Anonymous (anonymous@undisclosed.example.com)3. NumPy
https://logongas.es/doku.php?id=clase:iabd:pia:1eval:tema03&rev=1762166237&do=diff
3. NumPy
Nunpy es una librería para facilitar el manejo de vectores, matrices o tensores. Un tensor es como una matriz pero con mas de 2 dimensiones. Una de sus mayores utilidades es lo rápido que hace las operaciones ya que los paraleliza siempre que puede.$$
\begin{pmatrix}
10 & 2\\
30 & 4\\
60 & 7
\end{pmatrix}
$$$$
\begin{pmatrix}
10 & 2\\
30 & 4\\
60 & 7
\end{pmatrix}
$$$$
\begin{pmatrix}
10 & 2 & 9.5\\
30 & 4 & 1.6\\
60 & 7 & 8.2
\end{pmatrix}
$$$$
\begin{pmatrix}
1 & 2 & 3 & 4\\
5 & 6 & …text/html2025-11-12T15:01:14+00:00Anonymous (anonymous@undisclosed.example.com)4. Gráficos
https://logongas.es/doku.php?id=clase:iabd:pia:1eval:tema04&rev=1762959674&do=diff
4. Gráficos
En este tema vamos a ver como crear gráficos en Python.
Para hacer gráficas hay varias librerías:
* Matplotlib: Es la librería mas antigua pero la mas utilizada.
* Seaborn: Es una capa por encima de Matplotlib y hace que sea mas sencillo hacer gráficas$$z=3(1-x)^2e^{-x^2-(y+1)^2}-10(\frac{x}{5}-x^3-y^5)e^{-x^2-y^2}-\frac{1}{3}e^{-(x+1)^2-y^2}$$$[0-1]$$$x \in [-15,15]$$$$y \in [-15,15]$$$$z =\frac {sin(\sqrt {x^2+y^2+4})}{\sqrt {x^2+y^2+4}}$$$$x \in [-15,15]$$$$y \in [-15,15]$…text/html2025-11-03T10:37:17+00:00Anonymous (anonymous@undisclosed.example.com)5. Pandas: Apendices
https://logongas.es/doku.php?id=clase:iabd:pia:1eval:tema05-apendices&rev=1762166237&do=diff
5. Pandas: Apendices
Tratamiento de datos inválidos
* De una columna , obtener la lista de filas que tiene el valor NaN o None. Retorna una array de booleanos.
* De una columna , obtener la lista de filas que NO tiene el valor NaN o Nonetext/html2025-11-03T10:37:16+00:00Anonymous (anonymous@undisclosed.example.com)5. Pandas
https://logongas.es/doku.php?id=clase:iabd:pia:1eval:tema05&rev=1762166236&do=diff
5. Pandas
Pandas es una librería en cierto sentido similar a NumPy. Pero si NumPy únicamente contiene vectores, matrices, tensores ,etc junto con operaciones matemáticas. Con pandas tenemos mas cosas como nombrar a las columnas con un nombre , incluir un índices o generación de gráficas.$$
valor = \frac {X-min}{max-min}
$$$$
valor = \frac {X-media}{desviación}
$$text/html2025-11-15T07:49:04+00:00Anonymous (anonymous@undisclosed.example.com)6. Redes neuronales: Apendices
https://logongas.es/doku.php?id=clase:iabd:pia:1eval:tema06-apendices&rev=1763192944&do=diff
6. Redes neuronales: Apendices
Inicialización de parámetros
El siguiente código en Python nos muestra las funciones de distribución de cada uno de los inicializadores. El ejemplo no tiene utilidad real mas allá de mostrar los datos y las gráficas de los inicializadores.
$logit$$log odds$$$odds(p) = \frac{p}{1-p} $$$$logit(p) = log(odds(p))=log(\frac{p}{1-p}) $$$$logit(p) = ax+b $$$$log(\frac{p}{1-p}) = ax+b $$$p$$$
log(\frac{p}{1-p}) = ax+b \\
e^{log(\frac{p}{1-p})} = e^{ax+b} \\
\frac{p}{1-p}…text/html2025-11-04T15:49:20+00:00Anonymous (anonymous@undisclosed.example.com)6. Redes neuronales
https://logongas.es/doku.php?id=clase:iabd:pia:1eval:tema06&rev=1762271360&do=diff
6. Redes neuronales
Al principio del curso vimos un esbozo de una red neuronal, en este tema vamos a profundizar en las redes neuronales.
Como vimos una red neuronal no es más que una función matemática de la forma:
$$\vec{y}=f(\vec{x})$$
* $\vec{x}$ es el vector de entrada a la red neuronal$\vec{y}$$$tipo \: flor=f(largo \: sépalo,largo \: pétalo)$$$$y=wx+b$$$$y=w_{1}x_{1}+w_{2}x_{2}+w_{3}x_{3}...+w_{n}x_{n}+b$$$$y=\vec{w}^{ \, \intercal} \cdot \vec{x}+b$$$$y=w_{1}x_{1}+w_{2}x_{2}+w_{3}x_…