Entrena una red neuronal pequeña para clasificar dígitos manuscritos

Trabaja primero con MNIST (60.000 ejemplos de entrenamiento, 10.000 de test). Construye una red feed-forward de dos capas ocultas con activaciones ReLU (Rectified Linear Unit — unidad lineal rectificada) y softmax. Entrena con descenso de gradiente estocástico, mide exactitud, pérdida y reporta la matriz de confusión. Después, evalúa el mismo modelo sin re-entrenar sobre los 500 dígitos reales del campo y discute el gap de dominio. Éxito: ≥ 97 % en test de MNIST y ≥ 85 % en los datos reales, con un análisis claro de la diferencia.