Módulo 2: Espacios Vectoriales
7. Ejercicio Integrador: Diseñar un Espacio Vectorial Semántico
Descripción del ejercicio
Este es el ejercicio integrador del Módulo 2. Aquí vas a aplicar todo: diseñar un espacio vectorial 2D para conceptos, identificar subespacios (regiones temáticas), proyectar conceptos, y reflexionar sobre cómo escala a 1536D.
Parte 1: Diseñar el espacio
Tarea 1.1: Definir ejes
Elige 2 ejes conceptuales para tu espacio 2D:
Opción A:
- Eje X: Concreto ↔ Abstracto
- Eje Y: Positivo ↔ Negativo (valencia emocional)
Opción B:
- Eje X: Natural ↔ Artificial
- Eje Y: Pequeño ↔ Grande (tamaño)
Elige una o diseña la tuya.
Tarea 1.2: Ubicar 10 conceptos
Asigna coordenadas [x, y] a estos conceptos:
- amor
- perro
- computadora
- tristeza
- montaña
- smartphone
- alegría
- hormiga
- edificio
- árbol
Ejemplo (con Opción A):
amor = [-3, 8] (abstracto, muy positivo)
perro = [5, 6] (concreto, positivo)
computadora = [7, 0] (concreto, neutral)
...
Parte 2: Identificar subespacios
Tarea 2.1: Encontrar clusters
¿Qué conceptos están cercanos? Agrúpalos:
Ejemplo:
- Cluster 1 (Emociones): amor, tristeza, alegría
- Cluster 2 (Tecnología): computadora, smartphone
- Cluster 3 (Naturaleza): montaña, árbol, perro, hormiga
Tarea 2.2: Definir un subespacio
Identifica una "región" del espacio que sea un subespacio.
Ejemplo: Todos los conceptos con Y > 5 (conceptos positivos) forman un subespacio temático.
Parte 3: Operaciones vectoriales
Tarea 3.1: Calcular suma
Vector("perro") + Vector("alegría") = ?
¿Qué concepto esperarías cerca de ese resultado?
Tarea 3.2: Dirección semántica
Vector("edificio") - Vector("hormiga") = ?
¿Qué "dirección" captura esa resta? (tamaño: pequeño → grande)
Parte 4: Proyección conceptual
Tarea 4.1: Añadir 3ra dimensión
Imagina que agregas un eje Z: "Vivo ↔ Inanimado".
¿Cómo cambiarían las coordenadas de:
- perro
- computadora
- árbol
Tarea 4.2: Proyectar 3D → 2D
Si eliminas el eje Z (proyectas a 2D), ¿qué información pierdes?
Parte 5: Reflexión sobre 1536D
Pregunta 1:
Si tu espacio 2D captura 2 aspectos (concreto-abstracto, positivo-negativo), ¿qué 10 aspectos capturarías en un espacio 10D para conceptos?
Pregunta 2:
¿Por qué 1536D permite distinguir mejor "perro grande" de "perro pequeño" que 2D?
Pregunta 3:
¿Cómo usarías este espacio para semantic search? (Describe el proceso: query → vector → buscar cercanos)
Resumen del ejercicio
Lo que hiciste:
- ✅ Diseñaste un espacio vectorial 2D con ejes conceptuales
- ✅ Ubicaste 10 conceptos como vectores
- ✅ Identificaste clusters (subespacios temáticos)
- ✅ Calculaste operaciones (suma, resta = direcciones)
- ✅ Reflexionaste sobre proyecciones (3D → 2D)
- ✅ Conectaste con 1536D (cómo escala)
Intuición consolidada:
"Un espacio vectorial no es un conjunto aleatorio de puntos. Es un universo estructurado donde regiones capturan temas (clusters), direcciones capturan relaciones (género, tamaño), y la geometría refleja significado."
Conclusión del Módulo 2
Felicidades por completar el Módulo 2: Espacios Vectoriales. 🎉
Lo que lograste:
- ✅ Entiendes qué es un espacio vectorial (universo estructurado)
- ✅ Sabes qué son bases y dimensiones (ejes, 1536D)
- ✅ Identificas subespacios (regiones temáticas)
- ✅ Entiendes proyecciones (t-SNE, UMAP conceptual)
- ✅ Sabes por qué normalizar (elimina ruido de magnitud)
- ✅ Ves cómo LLMs organizan significado (clusters, direcciones)
- ✅ Aplicaste todo conceptualmente
Intuición clave del módulo:
El embedding space es un universo geométrico estructurado. Semantic search navega ese universo usando distancias y ángulos.
Próximo módulo: Módulo 3: Similaridad y Distancia — Formalizar cómo medir cercanía (euclidiana vs coseno).