Explora el cálculo infinitesimal y avanzado con una revisión de derivadas y optimización. Aprende sobre el gradiente, su aplicación en IA y codifica el algoritmo de descenso del gradiente en Python. Visualiza convergencias usando Matplotlib y Seaborn. Ideal para quienes buscan comprender la minimización de funciones de error y cómo usar SciPy para la optimización matemática.
27 RSVP'd
Revisión concisa de derivadas, derivadas parciales y gradientes, dando paso a la implementación práctica de optimización y descenso del gradiente desde cero.
• Explicación teórica de la regla de la cadena, gradiente y su relación con la optimización.
• Codificación paso a paso del algoritmo de Descenso del Gradiente (Gradient Descent) en Python.
• Visualización con Matplotlib y Seaborn de curvas de nivel y convergencia de funciones de pérdida.
• El concepto intuitivo y matemático de la derivada en múltiples dimensiones.
• Cómo los modelos de IA "aprenden" mediante la minimización de funciones de error.
• Aplicación de SciPy para resolver problemas de optimización matemática.
DEVF
Data Scientist
