Gradiente

Gradient

También: Gradient, Gradiente de la pérdida

Vector de derivadas que indica cómo cambia una magnitud al variar cada parámetro.

Definición técnica

Colección de derivadas parciales de una función escalar, normalmente la pérdida, respecto de los parámetros del modelo.

Señal matemática que orienta qué parámetros cambiar para reducir el error del modelo.

Camilo Boo

Automatización de procesos, integración de sistemas y software a medida para reducir tareas manuales y mejorar el control operativo.

Navegación

Medir sensibilidad local y proporcionar una dirección de actualización.

La diferenciación propaga derivadas por la regla de la cadena a través del grafo computacional.

Ejemplo práctico

El gradiente de la pérdida respecto de un peso indica si aumentarlo elevaría o reduciría el error local.

Ejemplo empresarial

Durante el entrenamiento, millones de gradientes guían ajustes sin convertirse en reglas de negocio legibles.

No es el error mismo ni garantiza el mejor camino global; solo describe variación local.

Puede desaparecer, explotar o ser ruidoso, y depende de escala y parametrización.

Gradientes inestables pueden causar entrenamiento divergente o resultados difíciles de reproducir.

El gradiente dice cómo cambia localmente la pérdida respecto de cada parámetro.

Nivel: Intermedio
Categorías: Redes neuronales Entrenamiento de modelos
Recorridos: Diccionario técnico para profesionales Índice alfabético completo de términos

PDF gratuito

Una selección editorial para consultar conceptos relacionados fuera de la web.

Build the Neural Network
PyTorch · Documentación oficial
Documenta módulos, capas lineales, ReLU, paso forward, logits y softmax.
Fuente comprobada el 24 de julio de 2026
Learning representations by back-propagating errors
Nature · Autor: David E. Rumelhart, Geoffrey E. Hinton and Ronald J. Williams · Publicación científica · Publicado el 9 de octubre de 1986
Trabajo original sobre ajuste repetido de pesos mediante retropropagación del error.