Simular mini-lotes y explicar por qué su composición cambia la dirección de un aprendizaje.
Prueba de éxito: explica «Lotes, ejemplos y mezclas», realiza «El gradiente por puñados» y cita el límite de la comparación.
En un taller de tarjetas, Luis debe aprender una regla a partir de 40 motivos. Podría mirar los 40 antes de cada corrección, pero eso ocupa mucho espacio. Elige paquetes de cinco. El primer paquete contiene por casualidad solo rayas; la corrección obtenida representa mal toda la colección. Después de mezclar, los paquetes se vuelven más variados. Cada mini-lote proporciona una estimación imperfecta pero práctica de la corrección global.
El vocabulario solo es útil si ayuda a prever lo que va a pasar. Apóyate en estas tres ideas. Aquí, tu referencia es «Lotes, ejemplos y mezclas».
Este bucle vuelve a los mini-lotes después de cada actualización: varias estimaciones sucesivas hacen avanzar el entrenamiento. Lee el dibujo de arriba hacia abajo: cada flecha anuncia una transformación o una verificación, nunca un pensamiento de la máquina.
La comparación: Un batch se parece a un puñado de cartas sacado de una caja grande.
Donde se queda corta: A diferencia del azar de un juego, el muestreo del modelo sigue un procedimiento preciso y ciertos datos, como una cronología, no deben mezclarse a ciegas. Una comparación ayuda a empezar; no reemplaza los datos, los cálculos ni una prueba.
Material: 24 tarjetas rojas o azules, cuatro sobres-lote y seis fichas
Tiempo sugerido: 10 a 20 minutos.
Observación esperada: los lotes desequilibrados dan correcciones que zigzaguean o favorecen una parte del dataset.
Prueba lotes de dos, cuatro y doce tarjetas; describe el compromiso entre estabilidad, número de actualizaciones y material necesario.
Si una categoría rara desaparece de muchos lotes, puede quedar olvidada. Inspecciona la composición de los lotes y no publiques ninguna clasificación individual.
Pregunta responsable: ¿Cómo formarías lotes para conservar una categoría rara sin copiar datos personales?
¿Batch y dataset son sinónimos?
Corrección: No. El dataset es la colección completa; el batch es un grupo tratado en un paso.
¿Por qué mezclar las tarjetas de entrenamiento?
Corrección: Para evitar que el orden cree lotes sistemáticamente diferentes, cuando el tiempo no es una variable que preservar.
¿El batch más grande es siempre el mejor?
Corrección: No. Puede ser más estable pero exige más memoria y no siempre ofrece la mejor generalización.
Maestra de los mini-lotes — Ganas esta insignia si puedes explicar el esquema sin leer, mostrar el resultado de la actividad y corregir una respuesta errónea con amabilidad.