Línea del tiempo: Aportaciones de las matemáticas en la inteligencia artificial by Paulina Josept Vázquez Vázquez https://padlet.com/josept2506/kttqdizsf8b5l2x2 Una mirada a cómo las matemáticas han sido esenciales para el desarrollo de la inteligencia artificial, desde los fundamentos teóricos hasta las aplicaciones actuales. Dirigido a estudiantes de 10° grado. en-us 2025-10-09 01:26:45 UTC 2025-10-09 01:39:25 UTC hello@padlet.com 1763 — Teorema de Bayes: josept2506 https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469903 El teorema de Bayes organiza cómo actualizar probabilidades a la luz de nueva evidencia: idea central para modelos probabilísticos en IA (clasificadores bayesianos y aprendizaje probabilístico).Sugerencia imagen: retrato de Thomas Bayes.

]]> 2025-10-09 01:26:45 UTC https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469903 1936 — Alan Turing: computabilidad y fundamento teórico de la máquina josept2506 https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469907 Turing formalizó la idea de algoritmo y máquina calculadora (máquina de Turing), base teórica necesaria para la computación automática y, a la larga, la IA.

]]> 2025-10-09 01:26:45 UTC https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469907 1943 — McCulloch & Pitts: modelo matemático de neurona josept2506 https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469908 Propusieron una representación lógica y matemática de neuronas como unidades binarias — antecedente directo de las redes neuronales artificiales.

]]> 2025-10-09 01:26:46 UTC https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469908 1958 — Perceptron (Frank Rosenblatt) josept2506 https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469911 Primer dispositivo para aprendizaje automático inspirado en neuronas; mostró que máquinas podían “ajustar” conexiones para reconocer patrones, pero también señaló limitaciones matemáticas que impulsaron la teoría.

]]> 2025-10-09 01:26:46 UTC https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469911 1950: Prueba de Turing josept2506 https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469912 2025-10-09 01:26:46 UTC https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469912 1957: El perceptrón josept2506 https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469913 2025-10-09 01:26:46 UTC https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469913 2006 — Hinton: algoritmos que reavivan el aprendizaje profundo josept2506 https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469915 Métodos de inicialización y aprendizaje por capas (deep belief nets) facilitaron el entrenamiento de redes profundas, abriendo la puerta a los éxitos modernos del deep learning.

]]> 2025-10-09 01:26:46 UTC https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469915 2012 — AlexNet y la revolución de las CNN en visión josept2506 https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469916 Red convolucional que ganó ImageNet (Krizhevsky et al.) y demostró el poder práctico del deep learning en tareas de visión; combinó arquitectura matemática (convoluciones) con grandes conjuntos de datos.

]]> 2025-10-09 01:26:46 UTC https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469916 Presente — Matemáticas aplicadas: álgebra lineal, cálculo, probabilidad y optimización josept2506 https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469917 Hoy, el diseño de modelos de IA se apoya formalmente en álgebra lineal (representaciones), cálculo (gradientes), probabilidad (incertidumbre) y optimización (entrenamiento). Utilidad directa para actividades escolares: mostrar versiones simplificadas y visuales de estas ideas.

]]> 2025-10-09 01:26:46 UTC https://padlet.com/josept2506/kttqdizsf8b5l2x2/wish/3624469917