AI Simulator
Un Laboratorio Visual para Aprender IA
AI Simulator convierte matemáticas abstractas en experimentos interactivos. Desarrolla intuición entrenando modelos en tiempo real, observando curvas de pérdida y viendo cómo cambian las decisiones al ajustar parámetros.
Cómo Usar Esta Plataforma
Un camino corto desde la curiosidad hacia la intuición confiada.
Paso
Elige un laboratorio Elige un laboratorio y lee el concepto introductorio en la parte superior. Te dice qué intenta aprender el modelo.
Paso
Crea datos Crea datos haciendo clic, cargando demostraciones o usando imágenes de muestra. La forma de los datos es lo principal.
Paso
Entrena y observa Entrena y observa con paso o ejecución automática, luego mira la curva de pérdida y el comportamiento del modelo evolucionar.
Paso
Compara y reflexiona Compara y reflexiona cambiando hiperparámetros o tipo de modelo para ver sesgo, varianza y sobreajuste.
Caminos de Aprendizaje Principales
Machine Learning
Comienza aquí para entender cómo los modelos aprenden de los datos. Verás cómo una curva simple se adapta a puntos, cómo los clasificadores dibujan límites y por qué la capacidad del modelo importa. Este camino se trata de construir intuición para funciones de pérdida, gradientes y geometría de datos.
¿Úsalo para responder: ¿Por qué un modelo hace bajo ajuste o sobreajuste? ¿Cómo la distribución de datos reformula un límite de decisión?
Deep Learning
Este camino escala la intuición de curvas a redes. Observa cómo las neuronas transforman entradas en representaciones, luego ve cómo los filtros convolucionales extraen características visuales. El enfoque está en cómo la profundidad y la no linealidad cambian lo que puede expresar un modelo.
¿Úsalo para responder: ¿Cómo una CNN aprende bordes? ¿Por qué un modelo neuronal hace sobreajuste mientras la pérdida sigue mejorando?
Reinforcement Learning
Here the model is an agent that learns from rewards rather than labeled examples. You will explore exploration vs exploitation, sparse rewards, and the role of environment dynamics.
Use it to answer: When is it better to explore? How does reward structure shape behavior?
Sugerencias de inicio r?pido
?Nuevo en ML? Empieza con Regresi?n Lineal y Regresi?n Log?stica, luego compara con ?rboles de Decisi?n.
?Interesado en curvas? Usa Regresi?n NN para ver c?mo la profundidad y el ancho cambian el ajuste.
?Quieres intuici?n visual? Entra en CNN MNIST y dibuja d?gitos para probar la inferencia.