Complemento del taller

Vídeos, audio, diagramas y preguntas de práctica

Repasa el taller con estos materiales de NotebookLM, generados el 2026-09-07. Nadie los ha revisado. Usa el manual para comprobar respuestas.

Todo el día en una imagen

Cuatro ideas conectan las secciones. Este diagrama se dibujó a mano.

Cuatro ideas, un solo objeto Cada sección sirve a una de estas cuatro ideas. Generaliza la matriz — 01 Qué es un tensor, 02 Pensar en N dimensiones; Contiene los datos — 00 Preparación y bienvenida, 03 Indexación y broadcasting con datos reales, 05 Diseño de un pipeline de vídeo; Sus ejes se mueven — 04 Reshape y transposición de imágenes reales, 06 Contracción con einsum; Se factoriza — 07 Inversas y la pseudoinversa, 08 Recursión con matrices y vectores, 09 Factorizaciones matriciales, 10 Descomposición de Tucker con datos reales, 11 Factorizaciones tensoriales, 14 Factorización CP y la vista de rango 1, 15 CP generalizado para conteos y datos binarios. Un hilo recorre las cuatro. Cuando no hay respuesta exacta, busca la mejor aproximación en la que puedas confiar. 12 une las cuatro. 13 es el ejercicio para casa. Cuatro ideas, un solo objeto Cada sección sirve a una de estas cuatro ideas. Generaliza la matriz El mismo objeto, con tantos ejes como pidan los datos. 01 Qué es un tensor 02 Pensar en N dimensiones Contiene los datos Imágenes, vídeo, viajes en taxi: una sola caja de números. 00 Preparación y bienvenida 03 Indexación y broadcasting con datos reales 05 Diseño de un pipeline de vídeo Sus ejes se mueven reshape relee los números. transpose mueve los ejes. 04 Reshape y transposición de imágenes reales 06 Contracción con einsum Se factoriza Divídelo en partes más simples que puedas usar. 07 Inversas y la pseudoinversa 08 Recursión con matrices y vectores 09 Factorizaciones matriciales 10 Descomposición de Tucker con datos reales 11 Factorizaciones tensoriales 14 Factorización CP y la vista de rango 1 15 CP generalizado para conteos y datos binarios Un hilo recorre las cuatro. Cuando no hay respuesta exacta, busca la mejor aproximación en la que puedas confiar. Lo ves ocurrir en las secciones 07, 10 y 13. 12 une las cuatro. 13 es el ejercicio para casa. Cuatro ideas, un solo objeto Cada sección sirve a una de estas cuatro ideas. Generaliza la matriz — 01 Qué es un tensor, 02 Pensar en N dimensiones; Contiene los datos — 00 Preparación y bienvenida, 03 Indexación y broadcasting con datos reales, 05 Diseño de un pipeline de vídeo; Sus ejes se mueven — 04 Reshape y transposición de imágenes reales, 06 Contracción con einsum; Se factoriza — 07 Inversas y la pseudoinversa, 08 Recursión con matrices y vectores, 09 Factorizaciones matriciales, 10 Descomposición de Tucker con datos reales, 11 Factorizaciones tensoriales, 14 Factorización CP y la vista de rango 1, 15 CP generalizado para conteos y datos binarios. Un hilo recorre las cuatro. Cuando no hay respuesta exacta, busca la mejor aproximación en la que puedas confiar. 12 une las cuatro. 13 es el ejercicio para casa. Cuatro ideas, un solo objeto Cada sección sirve a una de estas cuatro ideas. Generaliza la matriz El mismo objeto, con tantos ejes como pidan los datos. 01 Qué es un tensor 02 Pensar en N dimensiones Contiene los datos Imágenes, vídeo, viajes en taxi: una sola caja de números. 00 Preparación y bienvenida 03 Indexación y broadcasting con datos reales 05 Diseño de un pipeline de vídeo Sus ejes se mueven reshape relee los números. transpose mueve los ejes. 04 Reshape y transposición de imágenes reales 06 Contracción con einsum Se factoriza Divídelo en partes más simples que puedas usar. 07 Inversas y la pseudoinversa 08 Recursión con matrices y vectores 09 Factorizaciones matriciales 10 Descomposición de Tucker con datos reales 11 Factorizaciones tensoriales 14 Factorización CP y la vista de rango 1 15 CP generalizado para conteos y datos binarios Un hilo recorre las cuatro. Cuando no hay respuesta exacta, busca la mejor aproximación en la que puedas confiar. Lo ves ocurrir en las secciones 07, 10 y 13. 12 une las cuatro. 13 es el ejercicio para casa.

Resumen en vídeo

Ver el vídeo de NotebookLM: Tensors Machine Learning, ilustrado con cortes de un tensor apilados.

Tensores en aprendizaje automático — resumen en vídeo — Ver en NotebookLM.

Vídeos de un minuto

Un minuto por idea, aproximadamente. Se abren en NotebookLM.

Infografías

Ver en NotebookLM:

Escuchar

Escucha a dos voces explicar las ideas principales.

Audio próximamente.

Ponte a prueba

Practica a tu ritmo. Para los cuestionarios en vivo, usa Kahoot.

Abre una vista previa para probar la actividad en NotebookLM.

La primera de las veintiséis preguntas del cuestionario, tal como la muestra NotebookLM: cómo se distingue un tensor de orden 3 de una matriz, con cuatro respuestas de la A a la D y un botón de pista junto a Siguiente.

Cuestionario de autoevaluación
26 preguntas de opción múltiple.
Descubre qué repasar.
Se abre en NotebookLM. Vista previa de la actividad interactiva.

La primera de sesenta tarjetas, por la cara delantera: cuál es la interpretación geométrica de un vector en álgebra lineal, con la indicación Ver respuesta debajo y los contadores de acertadas y falladas bajo la tarjeta.

Tarjetas de memoria
60 tarjetas de álgebra lineal y tensores.
Practica las ideas clave.
Se abre en NotebookLM. Vista previa de la actividad interactiva.

El mapa

Abre una vista previa para probar la actividad en NotebookLM.

El mapa mental plegado a su primer nivel: un nodo que dice Tensors for Machine Learning Workshop, del que salen cinco ramas — Defining Tensors, Practical Data Storage, Axis Manipulation, Solving and Factorizing y Computational Implementation — cada una con una flecha que la despliega.

Mapa mental
Cinco ramas conectan las ideas del taller.
Abre una rama para explorar.
Se abre en NotebookLM. Vista previa de la actividad interactiva.

En NotebookLM

Abre el cuaderno para explorar las fuentes. Ver la infografía general.