Deep learning desde cero

Hola! Bienvenida a este libro 🌸

Esto no es un artículo largo: son veintidós capítulos que se leen en orden, con ejercicios en cada uno y con todo el código ejecutado de verdad.

Cada bloque corre y su salida se compara con la publicada. Si algún día un número deja de coincidir, aquí se entera antes que tú 💜

Lo que este libro hace y casi ningún otro

Aquí las redes están escritas a mano con numpy. La neurona, el gradiente, la retropropagación, la convolución y la atención: todas en veinte líneas cada una y con sus números impresos.

No porque en el trabajo se haga así, sino porque es la única forma de que después, cuando uses PyTorch, sepas qué está pasando. Y no te lo pido de fe: el capítulo 9 coge la red que escribiste a mano, la vuelve a escribir con la librería y comprueba que backward() saca tus mismos gradientes y que la tabla de entrenamiento sale igual en las quince casillas 🔧

Y hay una segunda cosa rara: este libro empieza diciéndote cuándo no usar una red neuronal. El capítulo 1 mide, sobre datos de una distribuidora peruana, que la red pierde contra tres líneas de regresión logística. Un libro de deep learning que no diga cuándo NO usarlo es publicidad, no docencia.

Los números que vas a encontrar

Esa tabla es el libro entero. La red no es mejor ni peor: es distinta, y gana donde el dato tiene forma 🖼️

Para quién es

• 🤖 Para ti si quieres entender qué hay dentro de ChatGPT y no te conformas con la analogía del cerebro.
• 🧐 Si te van a vender una solución con redes y quieres poder pedir la comparación contra el modelo simple.
• 📸 Si en tu trabajo hay fotos, documentos escaneados o comentarios de clientes, que es donde esto sí paga.
• 🔧 Si ya usaste una librería de deep learning y te quedaste con la sensación de estar apretando botones.

Hace falta saber Python y manejarte con numpy. Si eso te falta, el paso previo es Python desde cero, y si quieres el orden completo, antes va Machine learning desde cero 🐣

Qué vas a poder hacer al terminar

• ✍️ Escribir una red neuronal completa sin importar ninguna librería.
• 🔍 Comprobar tú misma que un gradiente está bien calculado.
• 📉 Reconocer un sobreajuste mirando dos números, y saber qué freno poner.
• 🖼️ Entender por qué la convolución existe y cuándo no sirve.
• 🔺 Explicar la atención de un transformer con la matriz delante.
• 💬 Decidir entre prompt, RAG y ajuste fino con criterio y no por moda.
• 🏆 Y montar un clasificador de imágenes al 97,56%, que es el capítulo 21.

{"prompt": "¿Cuánto cuesta el producto A?", "completion": "S/ 250"}
{"prompt": "¿Cuánto cuesta el producto B?", "completion": "S/ 890"}
{"prompt": "¿Stock del producto A?",         "completion": "120 unidades"}

El libro, capítulo por capítulo

• 1️⃣ Cuándo una red ayuda y cuándo es un error caro.
• 2️⃣ La neurona, y la prueba de que una regresión logística es una.
• 3️⃣ Las activaciones, y por qué sin ellas diez capas son una.
• 4️⃣ Apilar capas: el XOR que paró el campo veinte años.
• 5️⃣ Descenso de gradiente, y por qué sin escalar no hay paso que sirva.
• 6️⃣ Retropropagación, comprobada peso a peso.
• 7️⃣ Entrenar de verdad, y los tres botones que al subirlos empeoran.
• 8️⃣ Los tres frenos del sobreajuste, escritos a mano.
• 9️⃣ PyTorch, que saca tus mismos gradientes y tu misma tabla.
• 🔟 Normalizar por lotes, y el error de producción que trae debajo.
• 1️⃣1️⃣ La convolución, con imágenes de dígitos.
• 1️⃣2️⃣ Texto y embeddings, y por qué no distinguen antónimos.
• 1️⃣3️⃣ Recurrentes y LSTM, con el gradiente que se desvanece medido.
• 1️⃣4️⃣ La atención, en seis líneas de numpy.
• 1️⃣5️⃣ Del transformer al LLM: tokens, temperatura y el bucle que escribe.
• 1️⃣6️⃣ Prompt, RAG o ajuste fino, con un buscador escrito a mano.
• 1️⃣7️⃣ Transferencia: reutilizar una red entrenada, y por qué aquí pierde.
• 1️⃣8️⃣ Generar dígitos nuevos con un modelo de difusión en numpy.
• 1️⃣9️⃣ El proyecto final: dígitos al 97,56%.
• 2️⃣0️⃣ Referencias y dónde seguir.

Con qué vas a practicar

Con tres cosas, y ninguna hay que descargarla a mano:

• 📊 El CSV de ventas de los otros libros, para los capítulos donde el dato va en tabla.
• 🔢 Los 1.797 dígitos escritos a mano que vienen dentro de scikit-learn, para la convolución y el proyecto final.
• 💬 Unos comentarios de clientes que escribí yo, con la forma de los que le llegan a una distribuidora, para los capítulos de texto.

Veintiuno de los veintidós capítulos corren con numpy y scikit-learn y nada más. El de PyTorch necesita PyTorch, y se instala con pip install torch 🧰

El cuaderno, si prefieres tocarlo

Hay un cuaderno con el recorrido principal del libro: la comparación contra la regresión logística, la neurona a mano, el XOR, la convolución y la atención. Sirve para lo que la página no puede: cambiar un número, volver a ejecutar y ver qué se movió.

Para abrirlo: descarga el cuaderno, entra a Google Colab, elige Subir y arrástralo. El CSV lo lee solo desde internet, así que no hace falta descargarlo salvo que quieras mirarlo en Excel.

Y hay algo más, que es lo que de verdad se usa para practicar: cada capítulo tiene su propio cuaderno, con su código y sus ejercicios con una celda vacía debajo para que los hagas tú. El botón está al final de cada capítulo, y al lado va el de soluciones para cuando ya te hayas peleado un rato 📓

Si lo tuyo es la empresa y no el aprendizaje

El capítulo 18 es el que más se usa en proyectos reales: cuándo conviene un prompt, cuándo RAG y cuándo ajustar un modelo, con un buscador escrito a mano y sus dos formas de fallar medidas.

Si prefieres trabajarlo conmigo y sobre los datos de tu empresa, eso es la consultoría, y si es para un equipo, el Full Day IA 💜

Preguntas frecuentes sobre este libro

Después de este libro

• 🤖 Machine learning desde cero, que es el que responde la mayoría de las preguntas de empresa.
• 📊 Estadística desde cero, para saber si una diferencia es real o es ruido.
• 🗄️ SQL desde cero, porque los datos casi nunca llegan en CSV.

Nos vemos en el capítulo 1. Que tengas un hermoso día! 🌟