Manejo de DataFrame y descenso del gradiente en Colab
Deep Learning · Semana 3
28 de marzo de 2026 ≈ · NRC-198 ·
4 entregables
De qué iba
Esta semana entregué dos notebooks. En el de DataFrame trabajé con pandas sobre los datasets de ejemplo de Colab; en el del gradiente implementé el algoritmo a mano, primero para f(x)=x²+1 y después para f(x)=x²+5x+6, que era el ejercicio que pedían. Lo interesante fue ver cómo los tres parámetros del algoritmo cambian el resultado: subir el learning rate a 0.1 me llevó al mínimo en 30 pasos, mientras que con 0.05 necesité 90. Y con una precisión floja el algoritmo se detiene antes de llegar.
Cargué california_housing_train.csv (17 000 filas y 9 columnas) y mnist_test.csv (9 999 filas y 785 columnas) y respondí las cuatro preguntas con head, tail, shape, columns y describe
Eliminé la fila 2999 y la columna population del archivo de prueba y renombré las ocho columnas restantes al español; el DataFrame quedó en (2999, 8)
Implementé el descenso del gradiente para f(x)=x²+5x+6, con derivada 2x+5 y mínimo teórico en x=-2.5: desde x=8 con learning rate 0.05 llegué a -2.499111 en 90 pasos, y desde x=0 con 0.1 a -2.496131 en apenas 30
Comprobé que con precisión 0.01 y learning rate 0.03 el algoritmo se queda corto: paró en -2.651977 en lugar de -2.5
Qué pedían
El enunciado y la rúbrica, tal cual los publicaron.