<?xml version="1.0"?>
<rss version="2.0">
   <channel>
      <title>Línea del Tiempo: Aportaciones Matemáticas en la Construcción de la IA by Edi DiLo</title>
      <link>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g</link>
      <description>Un recorrido histórico por las contribuciones matemáticas fundamentales que han permitido el desarrollo de la Inteligencia Artificial</description>
      <language>en-us</language>
      <pubDate>2025-07-05 03:16:19 UTC</pubDate>
      <lastBuildDate>2025-10-01 09:56:41 UTC</lastBuildDate>
      <webMaster>hello@padlet.com</webMaster>
      <image>
         <url></url>
      </image>
      <item>
         <title>1847: Álgebra de Boole</title>
         <author>edithdiegolorenzo</author>
         <link>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984207</link>
         <description><![CDATA[George Boole desarrolla el álgebra booleana, un sistema matemático fundamental para la lógica computacional y la programación. Esta base matemática permite representar operaciones lógicas que son esenciales en el funcionamiento de las computadoras y la IA.]]></description>
         <enclosure url="https://media.snl.no/media/239151/standard_compressed_george-boole.jpg" />
         <pubDate>2025-07-05 03:16:20 UTC</pubDate>
         <guid>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984207</guid>
      </item>
      <item>
         <title>1895: Análisis Estadístico</title>
         <author>edithdiegolorenzo</author>
         <link>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984208</link>
         <description><![CDATA[Karl Pearson establece las bases de la estadística moderna con el coeficiente de correlación y la prueba chi-cuadrado. Estas herramientas estadísticas son cruciales para el análisis de datos y el aprendizaje automático en IA.]]></description>
         <enclosure url="https://media.snl.no/media/241152/standard_compressed_karl-pearson.jpg" />
         <pubDate>2025-07-05 03:16:20 UTC</pubDate>
         <guid>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984208</guid>
      </item>
      <item>
         <title>1936: Máquina de Turing</title>
         <author>edithdiegolorenzo</author>
         <link>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984209</link>
         <description><![CDATA[Alan Turing presenta su concepto de 'máquina universal', estableciendo las bases matemáticas de la computación. Este modelo teórico es fundamental para entender los límites y posibilidades de la computación y la IA.]]></description>
         <enclosure url="https://upload.wikimedia.org/wikipedia/commons/0/03/Turing_Machine_Model_Davey_2012.jpg" />
         <pubDate>2025-07-05 03:16:20 UTC</pubDate>
         <guid>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984209</guid>
      </item>
      <item>
         <title>1943: Modelo de Neurona Artificial</title>
         <author>edithdiegolorenzo</author>
         <link>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984210</link>
         <description><![CDATA[Warren McCulloch y Walter Pitts proponen el primer modelo matemático de una neurona artificial, estableciendo las bases de las redes neuronales artificiales que son fundamentales en el deep learning actual.]]></description>
         <enclosure url="https://upload.wikimedia.org/wikipedia/commons/1/17/Mcculloch_pitts.svg" />
         <pubDate>2025-07-05 03:16:20 UTC</pubDate>
         <guid>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984210</guid>
      </item>
      <item>
         <title>1957: Perceptrón</title>
         <author>edithdiegolorenzo</author>
         <link>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984212</link>
         <description><![CDATA[Frank Rosenblatt desarrolla el perceptrón, el primer algoritmo de aprendizaje automático basado en redes neuronales. Su modelo matemático sienta las bases para el desarrollo de redes neuronales más complejas.]]></description>
         <enclosure url="https://upload.wikimedia.org/wikipedia/commons/9/96/Elementary_perceptron.jpg" />
         <pubDate>2025-07-05 03:16:20 UTC</pubDate>
         <guid>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984212</guid>
      </item>
      <item>
         <title>1965: Lógica Difusa</title>
         <author>edithdiegolorenzo</author>
         <link>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984213</link>
         <description><![CDATA[Lotfi Zadeh introduce la teoría de conjuntos difusos, proporcionando un marco matemático para manejar la incertidumbre y la imprecisión en la IA, fundamental para sistemas de toma de decisiones.]]></description>
         <enclosure url="https://upload.wikimedia.org/wikipedia/commons/3/36/Fay_Zadeh_Life%26Travels.jpg" />
         <pubDate>2025-07-05 03:16:20 UTC</pubDate>
         <guid>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984213</guid>
      </item>
      <item>
         <title>1970: Algoritmo de Retropropagación</title>
         <author>edithdiegolorenzo</author>
         <link>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984214</link>
         <description><![CDATA[Seppo Linnainmaa desarrolla el algoritmo de retropropagación, una técnica matemática crucial para el entrenamiento de redes neuronales profundas que revolucionaría el aprendizaje automático.]]></description>
         <enclosure url="https://elvis.padletcdn.com/1/fetch/e_in/pixabay.com/get/g854603cea4bd649f53cb45118f753ed335b4cf025be03245e82628d4b903bf320c7cf9cce330cb74182ae68c2aa3f2fc.jpg" />
         <pubDate>2025-07-05 03:16:20 UTC</pubDate>
         <guid>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984214</guid>
      </item>
      <item>
         <title>1982: Redes Neuronales Recurrentes</title>
         <author>edithdiegolorenzo</author>
         <link>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984216</link>
         <description><![CDATA[John Hopfield desarrolla las redes neuronales recurrentes, un modelo matemático que permite a las redes neuronales procesar secuencias temporales, crucial para el procesamiento del lenguaje natural.]]></description>
         <enclosure url="https://upload.wikimedia.org/wikipedia/commons/4/44/Hopfield-net-vector.svg" />
         <pubDate>2025-07-05 03:16:20 UTC</pubDate>
         <guid>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984216</guid>
      </item>
      <item>
         <title>1995: Support Vector Machines</title>
         <author>edithdiegolorenzo</author>
         <link>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984217</link>
         <description><![CDATA[Vladimir Vapnik desarrolla las Máquinas de Vectores de Soporte (SVM), un modelo matemático potente para clasificación y regresión que optimiza la separación de datos en espacios de alta dimensión.]]></description>
         <enclosure url="https://upload.wikimedia.org/wikipedia/commons/e/ec/SVM_explain.png" />
         <pubDate>2025-07-05 03:16:20 UTC</pubDate>
         <guid>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984217</guid>
      </item>
      <item>
         <title>2014: Redes Generativas Adversarias</title>
         <author>edithdiegolorenzo</author>
         <link>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984218</link>
         <description><![CDATA[Ian Goodfellow introduce las GAN (Redes Generativas Adversarias), un marco matemático revolucionario que permite a las redes neuronales generar datos nuevos y realistas, fundamental para la IA creativa.]]></description>
         <enclosure url="https://upload.wikimedia.org/wikipedia/commons/8/8b/Generative_Adversarial_Network_illustration.svg" />
         <pubDate>2025-07-05 03:16:20 UTC</pubDate>
         <guid>https://padlet.com/edithdiegolorenzo/9i6lbnstpqeyvn1g/wish/3510984218</guid>
      </item>
   </channel>
</rss>
