Reto
Tras completar especializaciones de Machine Learning (Stanford/DeepLearning.AI e IBM), quería ir más allá de usar frameworks y entender realmente qué ocurre por debajo. El reto: implementar una red neuronal sin librerías de ML.
Solución
Construí una librería propia en JavaScript que implementa los componentes esenciales de una red neuronal: capas, funciones de activación, propagación hacia delante y retropropagación del error mediante descenso de gradiente. Todo desde cero, sin dependencias de terceros.
Resultado
Una red neuronal de varias capas, entrenada sobre un dataset de más de 1.000 ejemplos y con una precisión superior al 90% en el conjunto de validación, que demuestra dominio de los fundamentos matemáticos (álgebra lineal, cálculo) aplicados al aprendizaje automático y complementa mi perfil con una visión de datos y ML.