Un estudiante desea utilizar el descenso por gradiente para ajustar una línea recta a un conjunto de datos que muestra años de experiencia frente a salario (en miles). El objetivo es encontrar la línea que mejor se ajusta ajustando la pendiente ($m$) y la intersección ($b$) mediante actualizaciones iterativas.

Se debe minimizar la función de pérdida:

Las reglas de actualización del descenso por gradiente son:

Donde:

• $\alpha$ es la tasa de aprendizaje (tamaño del paso);
• $\frac{\raisebox{1pt}{$\partial J$}}{\raisebox{-1pt}{$\partial m$}}$ es la derivada parcial de la función de pérdida respecto a $m$;
• $\frac{\raisebox{1pt}{$\partial J$}}{\raisebox{-1pt}{$\partial b$}}$ es la derivada parcial de la función de pérdida respecto a $b$.

Tarea:

1. Completar el código Python a continuación para implementar los pasos del descenso por gradiente.
2. Rellenar las expresiones faltantes utilizando operaciones básicas de Python.
3. Registrar cómo cambian m y b a medida que se ejecuta el algoritmo.