Qué vas a construir
El proyecto será un prototipo que distingue tarjetas con un círculo de tarjetas con un triángulo. No reconoce cualquier imagen ni entiende geometría como una persona. Trabajar con dibujos propios evita depender de un conjunto de fotos ajeno.
Teachable Machine es una herramienta de Google para crear y probar modelos con ejemplos. Esta práctica es una propuesta educativa de AIClases, no una certificación de Google. Usa el enlace oficial de las fuentes para abrir la herramienta.
Prepara ejemplos antes de abrir la herramienta
Dibuja varios círculos y triángulos. Fotografía cada tipo con diferentes posiciones y fondos. Procura que ninguna clase tenga una pista exclusiva, como un color de papel que no aparece en la otra.
Separa un pequeño grupo de imágenes y no lo uses al entrenar. Servirá para comprobar si el modelo reconoce ejemplos nuevos. Puedes comenzar con unas decenas por clase para explorar el proceso; no es una cantidad que garantice calidad.
Crea las clases y entrena
Abre un proyecto de imágenes en Teachable Machine. Asigna nombres claros a las dos clases y carga los ejemplos de entrenamiento en su grupo correspondiente. Comprueba que no hayas mezclado etiquetas y ejecuta el entrenamiento.
No necesitas activar la cámara para comprender el ejercicio si utilizas imágenes preparadas. Los nombres y controles de la interfaz pueden cambiar; busca las acciones de crear clases, añadir muestras, entrenar y previsualizar.
Prueba con las imágenes reservadas
Introduce cada ejemplo que habías apartado y registra la clase esperada y la obtenida. Luego prueba una imagen distinta, como un cuadrado. Un clasificador cerrado puede asignarla a una de sus clases aunque no pertenezca a ninguna.
Un porcentaje alto mostrado por la herramienta no debe interpretarse como garantía universal de acierto. Evalúa el comportamiento en las condiciones concretas que te interesan.
| Entrada de prueba | Esperado | Qué registrar |
|---|---|---|
| Círculo nuevo | Círculo | Si reconoce otro tamaño o posición |
| Triángulo nuevo | Triángulo | Si depende del fondo |
| Objeto fuera de las clases | No cubierto por el proyecto | Cómo se comporta ante algo desconocido |
| Foto desenfocada | Resultado incierto | Si el fallo se repite |
Corrige el conjunto de datos
Si confunde figuras sobre un fondo particular, añade ejemplos variados de ambas clases con ese fondo. Reserva nuevas imágenes para evaluar después de la mejora. No uses repetidamente el mismo conjunto de prueba para decidir cada ajuste: acabarías adaptándote también a esa prueba.
Documenta qué cambiaste y compara resultados. El objetivo de este prototipo es aprender el proceso, no anunciar una precisión general a partir de unos pocos ejemplos.
Cuándo usar Python, una API o documentos
Si quieres automatizar análisis de datos, Python puede darte más control sobre preparación, modelos y pruebas. Si quieres un asistente conversacional, puedes construir una aplicación sobre un modelo existente mediante su API. Si debe responder sobre tus manuales, puede necesitar recuperación de documentos.
Entrenar un modelo de lenguaje grande desde cero es un proyecto de otra escala. Para empezar, especifica el resultado, usa una herramienta proporcionada al problema y define cómo comprobar errores antes de añadir complejidad.
Entrega final de tu práctica
Guarda una ficha con objetivo, origen de los datos, separación de entrenamiento y prueba, errores encontrados y cambios realizados. Explica también qué entradas quedan fuera del alcance. Esta ficha es más informativa que una captura de un único acierto.
Ayúdame a documentar este experimento. Objetivo: [tarea]. Datos usados: [resumen]. Pruebas reservadas: [cantidad y tipo]. Resultados observados: [aciertos y errores]. Redacta una ficha con método, limitaciones y siguiente experimento. No inventes métricas ni generalices a datos que no probé.
Preguntas frecuentes
¿Esto es crear una IA sin programar?
Sí, es construir un clasificador con una herramienta visual y modelos preparados para ese proceso. No equivale a implementar todos los algoritmos desde cero.
¿Puedo crear un ChatGPT con este ejercicio?
No. Un clasificador de imágenes y un modelo de lenguaje tienen objetivos y escalas distintos.
¿Qué estudio después?
Aprende preparación de datos, evaluación y fundamentos de programación si tu objetivo requiere aplicaciones propias.
Fuentes y accesos oficiales
Enlaces consultados el 26 de septiembre de 2026. Revisa en cada proveedor sus condiciones vigentes.
Material original de AIClases elaborado con asistencia de IA. Practica con los ejemplos y comprueba los resultados. Metodología editorial.