<?xml version="1.0"?>
<rss version="2.0">
   <channel>
      <title>De las matemáticas a la Inteligencia Artificial (IA) by Yolanda Leticia Mata Valdéz</title>
      <link>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic</link>
      <description>Aportaciones de las matemáticas en la construcción y diseño de la Inteligencia Artificial (IA)</description>
      <language>en-us</language>
      <pubDate>2025-10-07 04:33:44 UTC</pubDate>
      <lastBuildDate>2025-10-07 05:03:14 UTC</lastBuildDate>
      <webMaster>hello@padlet.com</webMaster>
      <image>
         <url>https://padlet.net/icons/8.0/svg/1f4bb.svg</url>
      </image>
      <item>
         <title>1. Álgebra lineal</title>
         <author>mavyl77</author>
         <link>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621154440</link>
         <description><![CDATA[<ul><li><p>Base para representar y manipular datos en <strong>vectores y matrices</strong>.</p></li><li><p>Uso en redes neuronales, donde los <strong>pesos y conexiones</strong> se modelan como matrices.</p></li><li><p>Operaciones como multiplicación de matrices permiten procesar grandes cantidades de datos en paralelo.</p></li></ul>]]></description>
         <enclosure url="https://upload.wikimedia.org/wikipedia/commons/b/b7/Visual_Derivation_of_Equations_For_Rotation_In_2D.svg" />
         <pubDate>2025-10-07 04:41:26 UTC</pubDate>
         <guid>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621154440</guid>
      </item>
      <item>
         <title>2. Cálculo diferencial e integral</title>
         <author>mavyl77</author>
         <link>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621155331</link>
         <description><![CDATA[<ul><li><p>Permite la <strong>optimización de funciones de error</strong> en el aprendizaje automático.</p></li><li><p>En el entrenamiento de redes neuronales se aplica <strong>gradiente descendente</strong> para ajustar los pesos.</p></li><li><p>Las derivadas parciales son esenciales para el <strong>backpropagation</strong>.</p></li></ul>]]></description>
         <enclosure url="https://elvis.padletcdn.com/1/fetch/e_in/pixabay.com/get/gd4888cf85b5b394427ae911100edb3cf5c3bb71846648fd98c883a4b563a216fc8d25224d0955f45d1502d9b52f6e8f8.jpg" />
         <pubDate>2025-10-07 04:42:33 UTC</pubDate>
         <guid>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621155331</guid>
      </item>
      <item>
         <title>3. Probabilidad y estadística</title>
         <author>mavyl77</author>
         <link>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621157492</link>
         <description><![CDATA[<ul><li><p>Fundamentales para el <strong>aprendizaje automático (machine learning)</strong>.</p></li><li><p>La probabilidad ayuda a <strong>manejar la incertidumbre</strong> en los datos y a construir modelos predictivos.</p></li><li><p>Estadística permite <strong>analizar, resumir y validar datos</strong>, además de crear métodos de clasificación y regresión.</p></li><li><p>Se aplican en algoritmos como <strong>Naive Bayes, regresión logística y modelos probabilísticos gráficos</strong>.</p></li></ul>]]></description>
         <enclosure url="https://upload.wikimedia.org/wikipedia/commons/b/b7/Binomial_Distribution.svg" />
         <pubDate>2025-10-07 04:44:57 UTC</pubDate>
         <guid>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621157492</guid>
      </item>
      <item>
         <title>4. Teoría de la optimización</title>
         <author>mavyl77</author>
         <link>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621158593</link>
         <description><![CDATA[<ul><li><p>Busca encontrar la mejor solución dentro de un conjunto de posibilidades.</p></li><li><p>Se utiliza en la <strong>selección de parámetros óptimos</strong> de un modelo de IA.</p></li><li><p>Importante en el diseño de <strong>redes neuronales profundas</strong>, algoritmos genéticos y programación convexa.</p></li></ul>]]></description>
         <enclosure url="https://elvis.padletcdn.com/1/fetch/e_in/pixabay.com/get/g2d518411b5e8d3d2a0b5740d4dee68dce46e8ae732e28fa356ef5a558de961be8ccd057d10559463ad833d483640fbc6.jpg" />
         <pubDate>2025-10-07 04:46:09 UTC</pubDate>
         <guid>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621158593</guid>
      </item>
      <item>
         <title>5. Teoría de grafos</title>
         <author>mavyl77</author>
         <link>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621159340</link>
         <description><![CDATA[<ul><li><p>La IA trabaja con <strong>redes interconectadas</strong> (como las neuronales).</p></li><li><p>Grafos se aplican en <strong>procesamiento de redes sociales, mapas de ruta, búsqueda de información y algoritmos de recomendación</strong>.</p></li><li><p>Son clave en <strong>redes neuronales convolucionales y grafos neuronales</strong>.</p></li></ul>]]></description>
         <enclosure url="https://upload.wikimedia.org/wikipedia/commons/5/50/Grafo_ejemplo_5_conecsi.png" />
         <pubDate>2025-10-07 04:47:04 UTC</pubDate>
         <guid>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621159340</guid>
      </item>
      <item>
         <title>6. Lógica matemática</title>
         <author>mavyl77</author>
         <link>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621161622</link>
         <description><![CDATA[<ul><li><p>La base de la <strong>IA simbólica</strong> y los sistemas expertos.</p></li><li><p>Se aplica en el razonamiento automático, la representación del conocimiento y el procesamiento de lenguajes formales.</p></li><li><p>La <strong>lógica difusa</strong> permite trabajar con información imprecisa.</p></li></ul>]]></description>
         <enclosure url="https://elvis.padletcdn.com/1/fetch/e_in/pixabay.com/get/g43b4b4ce62c7c01f3f6323279998aa46f73a5c9fb19fb204000165021a8b450c7d9df0e2eb8e7dc71b0c6326abe1ae52.jpg" />
         <pubDate>2025-10-07 04:49:31 UTC</pubDate>
         <guid>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621161622</guid>
      </item>
      <item>
         <title>7. Teoría de la información</title>
         <author>mavyl77</author>
         <link>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621163245</link>
         <description><![CDATA[<ul><li><p>Define conceptos como <strong>entropía e incertidumbre</strong>, útiles en la compresión y transmisión de datos.</p></li><li><p>Ayuda en algoritmos de decisión, selección de características y aprendizaje profundo.</p></li></ul>]]></description>
         <enclosure url="https://elvis.padletcdn.com/1/fetch/e_in/pixabay.com/get/g2732136d86df490d68a7d3fd2629182c8bad0ed8291a2d55b4ae1fc7b5c15f48ceb2a88fcb6e161516cb299b2341f29b.jpg" />
         <pubDate>2025-10-07 04:51:28 UTC</pubDate>
         <guid>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621163245</guid>
      </item>
      <item>
         <title>8. Geometría y álgebra abstracta</title>
         <author>mavyl77</author>
         <link>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621164311</link>
         <description><![CDATA[<ul><li><p>Geometría: útil para la <strong>visión por computadora y reconocimiento de patrones</strong>.</p></li><li><p>Espacios vectoriales y transformaciones lineales facilitan la representación de imágenes y objetos en IA.</p></li><li><p>Álgebra abstracta aporta estructuras para <strong>códigos de encriptación y aprendizaje automático</strong>.</p></li></ul>]]></description>
         <enclosure url="https://elvis.padletcdn.com/1/fetch/e_in/pixabay.com/get/gd3bf0f63d9f002e0a62ec492c04e567eee8d33977b0c21348cd9c2f1173ef2f056bcf23fec7b21c6c99224d96ae3aa34.jpg" />
         <pubDate>2025-10-07 04:52:32 UTC</pubDate>
         <guid>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621164311</guid>
      </item>
      <item>
         <title>Las matemáticas son el lenguaje fundamental de la IA</title>
         <author>mavyl77</author>
         <link>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621170152</link>
         <description><![CDATA[<p>Permiten <strong>modelar, calcular, optimizar y representar conocimiento</strong>. Sin ellas, no existirían algoritmos de aprendizaje, reconocimiento de patrones, visión artificial ni razonamiento automatizado.</p>]]></description>
         <enclosure url="https://elvis.padletcdn.com/1/fetch/e_in/pixabay.com/get/gdae0d2f1396693f3db6085a624a68cf0f40d7feee455d849eba7bde791ca2a025aabd4d16d2f09ca2619932d447de5c2.jpg" />
         <pubDate>2025-10-07 04:57:28 UTC</pubDate>
         <guid>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621170152</guid>
      </item>
      <item>
         <title>Cómo se pueden presentar los contenidos matemáticos en el nivel primaria y fase 3</title>
         <author>mavyl77</author>
         <link>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621175455</link>
         <description><![CDATA[<p>En segundo de primaria, los contenidos matemáticos se deben presentar <strong>de lo concreto a lo pictórico y finalmente a lo simbólico (números y operaciones)</strong>, usando materiales, juegos y situaciones reales para darles sentido. </p><p>Partir de lo cercano y significativo</p><p>Material manipulativo</p><p>Representación gráfica</p><p><strong>Juego y movimiento</strong></p><p>Trabajo colaborativo</p><p>Proyectos sencillos</p><p>Valorar el error como aprendizaje</p>]]></description>
         <enclosure url="https://ies-castilloaguila.centros.castillalamancha.es/sites/ies-castilloaguila.centros.castillalamancha.es/files/foto_robot.jpg" />
         <pubDate>2025-10-07 05:03:13 UTC</pubDate>
         <guid>https://padlet.com/mavyl77/qzd6tw1rcsfn23ic/wish/3621175455</guid>
      </item>
   </channel>
</rss>
