Ingenieros de software que entran al ML
Practica la lectura de formas tensoriales en NumPy y reconoce las mismas operaciones en PyTorch y JAX.
210 minutos · Python en práctica
Visualiza tensores. Piensa en ML.
Una sesión práctica sobre remodelar, resolver y factorizar tensores — escrita en NumPy, sobre imágenes, vídeo y datos urbanos reales.
2 October 2026 · 5:00 PM–8:00 PM COT (UTC-5) · Universidad El Bosque, Bogotá, Colombia — classroom to be confirmed
Sin instalación — cada cuaderno funciona en Google Colab.
¿Es tu primera vez? Revisa la preparación obligatoria.
Taller en inglés · Preguntas en español e inglés
Softmax convierte una fila de puntuaciones en pesos que suman 1: una consulta atendiendo a cuatro claves.
Viajes de taxi reales, 4 × 5 × 24: 480 números se convierten en un núcleo más tres factores, con un 6,7 % de error.
Un número → un vector → una matriz → un tensor → una capa. Haz clic en una imagen para probarla en vivo.
Al terminar, podrás…
Domina las formas.
Indexa, cambia formas y aplica broadcasting en NumPy.
Descubre la estructura.
Descompón tensores. Explora convoluciones en casa.
Conecta con el ML.
Interpreta las matemáticas de la compresión y las redes neuronales.
Taller deRavi Kalia y Sebastian Laverde Chunza
Antes del taller
Con vectores y matrices basta para empezar. Completa los pasos obligatorios antes de la sesión.
Paso 1: Conceptos básicos Obligatorio · ~2–3 h
Repasa vectores y matrices en el capítulo 2 de Goodfellow y completa los cuadernos de trabajo previo. La sección de ese capítulo sobre la SVD vale la pena hojearla si es nueva para ti —el taller la reintroduce desde cero, así que no es lectura obligatoria.
Paso 2: Preparación Obligatorio, 5 min
Ejecuta el cuaderno 00 en Google Colab para comprobar que Colab y las descargas de datos funcionan en tu equipo. ¿Colab bloqueado o sin cuenta de Google? Consulta las preguntas frecuentes.
Paso 3: Repaso visual Opcional · ~3 h
Mira Essence of linear algebra, de 3Blue1Brown.
El día del taller: trae tu portátil y el cargador, inicia sesión en Google en tu navegador, y abre el cuaderno 00 desde la página de cuadernos cuando comience la sesión.
¿Para quién es este taller?
Analistas y científicos de datos
Extiende los flujos de trabajo tabulares a imágenes, secuencias y arrays de más dimensiones.
Practicantes autodidactas de ML
Rastrea errores de formas al indexar, remodelar, expandir y contraer tensores.
Graduados STEM
Conecta el álgebra lineal con ejemplos funcionales de descomposiciones y ML en Python.
Tus recursos para el taller
📖 Manual
Teoría completa, ejercicios y soluciones paso a paso.
🚀 Cuadernos
Cuadernos interactivos de Python para ejecutar en Google Colab.
📊 Diapositivas
Presentaciones visuales para seguir las sesiones del taller.
💡 Complemento
Mapas mentales, vídeos de un minuto, resúmenes en audio y autoevaluaciones.
🎯 Kahoot
Cuestionarios interactivos en directo para comprobar lo aprendido.
📚 Referencias
Artículos clave, capítulos de libros y código fuente del repositorio.
LA RUTA DE APRENDIZAJE
Tu ruta de los arrays al ML.
Seis ideas conectadas. Programa. Visualiza. Comprende.
- 01
Fundamentos
Lee formas y ejes.
- 02
Operaciones tensoriales
Transforma. Expande. Contrae.
- 03
Álgebra lineal
Resuelve sistemas. Busca estructura.
- 04
Convoluciones
De píxeles a características.
Para casa - 05
Factorizaciones
Comprime. Conserva lo esencial.
- 06
Aplicaciones de ML
Conecta las matemáticas con los modelos.
Pruébalos en el navegador
Explora todas las herramientas, desde broadcasting e imágenes hasta atención, audio y factorización. No necesitas instalar nada ni crear una cuenta.
210 minutos de práctica a un ritmo constante.
- 10 min Código
- 5 min Repaso de conceptos
- 10 min Discusión en grupo