--:--
Estado del Juego
Historial (PGN)
--:--
Rendimiento Promedio vs. Etapa del Juego
Calidad Táctica (Pérdida de Centipeones)
Este proyecto nace de la fascinación por el ajedrez y la inteligencia artificial. A diferencia de los motores tradicionales que se basan en el cálculo bruto, el objetivo era crear un bot que jugara con un estilo "humano", imitando la intuición y el reconocimiento de patrones de un jugador experimentado.
El cerebro del bot es una Red Neuronal Recurrente (LSTM) construida con TensorFlow y Keras. Fue entrenado sobre un dataset de 1 millón de partidas de jugadores de alto nivel (2000+ ELO). Se utilizaron técnicas de Procesamiento de Lenguaje Natural (NLP) para tratar cada partida como una "frase" y cada jugada como una "palabra", permitiendo al modelo aprender la gramática y el estilo del ajedrez de élite.
Este bot de ajedrez fue desarrollado como el proyecto final para la carrera de Data Science de Coderhouse, aplicando los conocimientos adquiridos en Machine Learning, Deep Learning y despliegue de modelos.
