🤖 Aprender Machine Learning con MNIST
#

👉 Reconocimiento de Dígitos Manuscritos es un proyecto clásico para iniciar en visión por computadora.
El objetivo: identificar números del 0 al 9 a partir de imágenes usando el famoso dataset MNIST.

🚀 ¿Por qué es útil?
#

Es sencillo ✅
Sirve para entender cómo funcionan las redes neuronales convolucionales (CNN)
Te introduce a la preparación de imágenes: redimensionar y normalizar
Al final, pruebas el modelo con nuevas imágenes → ¡funciona!

🧠 Explicación en pocas palabras
#

Imagina que le enseñas a un computador a ver como tú: una CNN aprende automáticamente los patrones de píxeles que hacen un “3” distinto de un “7”.
Primero, normalizamos los datos para que los valores vayan de 0 a 1. Luego entrenamos la red con miles de ejemplos.
Finalmente, le damos una imagen nueva y la red nos dice qué número cree que es.

💻 Ejemplo de código (Python)
#

import tensorflow as tf
from tensorflow.keras import layers, models
mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = models.Sequential([
    layers.Reshape((28, 28, 1), input_shape=(28, 28)),
    layers.Conv2D(32, 3, activation='relu'),
    layers.MaxPooling2D(),
    layers.Flatten(),
    layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
model.fit(x_train, y_train, epochs=3)
print("Precisión en test:", model.evaluate(x_test, y_test)[1])