En esta clase implementaremos un perceptrón de tres neuronas sin capas ocultas para construir un modelo predictivo. El modelo se basará en el análisis de tres atributos de un conjunto de 506 datos de entrenamiento, para lo cual implementaremos un algoritmo de aprendizaje que involucra la propagación inversa de ajustes sinápticos. Analizaremos cómo los pesos sinápticos y los umbrales de cada neurona se adaptan a medida que aumenta el número de épocas durante el entrenamiento supervisado.