Este repositorio contiene una implementación manual de una red neuronal utilizando operaciones matriciales con numpy. En lugar de apoyarse en bibliotecas especializadas para las funciones de pertenencia (como sigmoid), el proceso de feed forward, o el algoritmo de backpropagation, todas estas funcionalidades han sido construidas desde cero en este notebook.
El propósito de este proyecto es demostrar un conocimiento profundo sobre cómo funcionan las redes neuronales a nivel matemático y la capacidad de implementarlas manualmente, sin el uso de frameworks avanzados como TensorFlow o PyTorch. Esto incluye una implementación personalizada de:
- Funciones de activación (como Sigmoid)
- Algoritmo de Feed Forward
- Algoritmo de Backpropagation
Este proyecto busca ilustrar la lógica y los fundamentos matemáticos detrás de estas técnicas, con el objetivo de “show off” mis habilidades para crear una red neuronal desde cero.