Aprendizaje supervisado / 01

¿Cómo enseñar
a sumar a
una máquina?

Observa cómo una regla emerge de los datos: predicción, error y ajuste de pesos, época tras época.

Ver explicación

Velocidad

Entrenamiento en vivo

Listo

Predicción —

Objetivo 11

Error con signo —

La distancia entre predicción y objetivo

0 18 P 11

Predicción Resultado correcto

Pesos del modelo

La máquina combina cada entrada y añade un sesgo.

ŷ = w₁·a + w₂·b + sesgo

w₁ 0,25

w₂ 0,40

sesgo −1,30

Meta: w₁ = 1, w₂ = 1, sesgo = 0

Pérdida

MSE —

El error cuadrático medio debe aproximarse a cero.

Matriz de error

Cada celda conserva el error con signo de una predicción.

Aún no hay predicciones

Predicción alta (−) Cerca de cero Predicción baja (+)

La regla no se programa: se aprende

Tres operaciones, repetidas con criterio

El entrenador solo proporciona ejemplos correctos. El modelo descubre cómo relacionar las entradas.

Predecir

Con sus pesos actuales, la máquina calcula una respuesta provisional.

ŷ = w₁·a + w₂·b + sesgo

Medir el error

El resultado correcto permite medir dirección y distancia.

error = objetivo − predicción

Ajustar

El error corrige los pesos. Cada época deja una huella en la matriz.

peso ← peso + corrección

¿Qué significa “época” aquí?

Una época es un intento completo: recibir una suma, predecir, medir el error y reajustar el modelo.

¿Por qué existe una matriz?

Porque el error no desaparece sin más: se registra como dato posicional y permite observar la convergencia.

Después del entrenamiento

Pon a prueba la regla aprendida

Introduce dos números que el modelo no haya visto juntos y compara su predicción con la suma exacta.