Introducción a la Inteligencia Artificial: Construye tu primer modelo con TensorFlow

En este artículo aprenderás los fundamentos básicos para crear un modelo de Inteligencia Artificial utilizando TensorFlow, explicado de forma sencilla para principiantes.

¿Qué es TensorFlow?

TensorFlow es una plataforma de código abierto desarrollada por Google que facilita la creación y entrenamiento de modelos de machine learning y deep learning. Es ampliamente utilizada por investigadores, empresas y desarrolladores en todo el mundo.

Requisitos previos

Antes de comenzar, asegúrate de tener instalado:

• Python 3.x
• TensorFlow (puedes instalarlo usando pip install tensorflow)
• Una herramienta de edición de código (como VSCode, PyCharm, o Jupyter Notebook)

Paso 1: Importar las bibliotecas necesarias

import tensorflow as tf

from tensorflow import keras

import numpy as np

import matplotlib.pyplot as plt

Paso 2: Cargar el conjunto de datos

fashion_mnist = keras.datasets.fashion_mnist

(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

Paso 3: Preprocesar los datos

train_images = train_images / 255.0

test_images = test_images / 255.0

Paso 4: Definir la arquitectura del modelo

model = keras.Sequential([

    keras.layers.Flatten(input_shape=(28, 28)),

    keras.layers.Dense(128, activation='relu'),

    keras.layers.Dense(10)

])

En este paso:

• Flatten: convierte la imagen 2D en un vector 1D.
• Dense (128): capa densa con 128 neuronas y activación ReLU.
• Dense (10): capa de salida para clasificar las 10 categorías.

Paso 5: Compilar el modelo

model.compile(optimizer='adam',

              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),

              metrics=['accuracy'])

Aquí definimos el optimizador, la función de pérdida y la métrica de evaluación.

Paso 6: Entrenar el modelo

model.fit(train_images, train_labels, epochs=10)

Paso 7: Evaluar el modelo

test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2)

print('\nPrecisión en datos de prueba:', test_acc)

Paso 8: Hacer predicciones

probability_model = tf.keras.Sequential([model, tf.keras.layers.Softmax()])

predictions = probability_model.predict(test_images)

Recursos adicionales

• Tutoriales oficiales de TensorFlow
• Google Colab (para ejecutar código en la nube gratis)

Conclusión

Ahora ya tienes las bases para crear y entrenar un modelo simple de IA utilizando TensorFlow. Te animamos a experimentar con diferentes arquitecturas y conjuntos de datos para seguir aprendiendo. ¡Feliz programación!