Situación
Este notebook usa la relación entre grados Celsius y Fahrenheit como ejercicio introductorio de regresión con redes neuronales. Reúne 40 pares conocidos para mostrar entrenamiento, predicción y exportación de un modelo Keras en un problema cuya función subyacente es lineal.
El desafío
El caso debe separar aprendizaje sobre los mismos ejemplos de una evaluación real sobre datos no vistos. Aquí se documenta entrenamiento y serialización, pero no una partición de validación ni métricas independientes. Además, una celda predice para 990 °C mientras la etiqueta textual menciona 100 °C; el valor 1814 mostrado corresponde aproximadamente a la entrada efectiva y no debe presentarse como acierto para 100.
La solución
La implementación combina TensorFlow, Keras y NumPy. Define una red densa con cinco capas ocultas, optimiza error cuadrático medio mediante Adam con tasa 0,01 durante 1.000 épocas y guarda el resultado en formato HDF5. El notebook permite seguir pérdida, inferencia y persistencia en una secuencia breve.
Impacto
El proyecto demuestra el ciclo técnico mínimo de una regresión neuronal y deja un modelo exportado para reutilización. Su valor es didáctico, no competitivo: una fórmula exacta resuelve el mismo problema con mayor simplicidad. Sin evaluación separada, no corresponde atribuir precisión general; el ejemplo resulta útil para entender la API y detectar cómo una etiqueta incorrecta puede alterar la interpretación de una salida.