Computación Neuronal en el Borde mediante Consolas Web Autocontenidas

Este trabajo presenta una consola de computación neuronal diseñada para ejecutarse íntegramente dentro del navegador web del usuario mediante el uso de principios de computación en el borde, abordando las limitaciones de infraestructura y escalabilidad que suelen aparecer en la enseñanza práctica de la computación neuronal. El sistema encapsula un entorno completo de ejecución Python construido sobre WebAssembly, lo que permite la ejecución en el navegador de bibliotecas científicas ampliamente utilizadas como NumPy, Matplotlib y Scikit-Learn, sin depender de infraestructura centralizada de ejecución del lado del servidor. A diferencia de las plataformas tradicionales basadas en notebooks que recurren a backends remotos de ejecución, el entorno propuesto se distribuye como un artefacto HTML autocontenido y versionable, lo que simplifica el despliegue, mejora la reproducibilidad experimental y reduce significativamente tanto los costos operativos como los riesgos de seguridad asociados a servicios de ejecución compartidos. Más allá de la ejecución básica de código, la arquitectura incorpora un ciclo de asistencia cognitiva basado en modelos de lenguaje de gran escala, que acompaña a los estudiantes mediante la contextualización de errores de ejecución, la clarificación de malentendidos conceptuales y la provisión de orientación adaptativa durante las actividades prácticas. El sistema fue desplegado y utilizado como prueba de concepto funcional en un curso real de computación neuronal dictado a través de un sistema de gestión del aprendizaje, demostrando su viabilidad operativa en condiciones educativas auténticas. Este trabajo describe la arquitectura subyacente del sistema, analiza su modelo de provisión y escalabilidad, y examina las implicancias técnicas de adoptar ejecución en el borde para la enseñanza práctica de la computación neuronal a gran escala.