Platzi
Platzi

¡Invierte en ti y celebremos! Adquiere un plan Expert o Expert+ a precio especial.

Antes: $349
$259
Currency
Antes: $349
Ahorras: $90
COMIENZA AHORA
Termina en: 13D : 8H : 48M : 45S

Debes iniciar sesión

Para ver esta clase crea una cuenta sin costo o inicia sesión

Introducción al curso1/18

Para el que no haya hecho el curso previo:
https://platzi.com/clases/algebra-lineal/

he pasado por las mejores escuelas de matematicas de mi pais y puedo decir que este profesor es el mejor maestro que he conocido en cuanto a algebra lineal

Qué diferencia la introducción de este curso comparada con la introducción de Algebra Lineal con Python. Se nota que el profe Sebastian cogió confianza. Bien por el profe ^^

Aquí el repositorio oficial del curso:

https://github.com/platzi/algebra-aplicada

En él podran encontrar el libro que se uso de base para el desarrollo de las clases.

Bienn!!! uno de mis profesores favoritosssssss que bien!

Resumen de lo aprendido en el curso anterior de: Curso de Fundamentos de Álgebra Lineal con Python

  • Que es una Matriz.
  • Que operaciones puedo realizar con ellas.
  • Que es una matriz identidad.
  • El calculo de la inversa de una matriz cuadrada.

Ahora con esas bases vamos a poder calcular:

  • ¿Qué son los auto valores?
  • ¿Qué son los auto vectores?
  • ¿Cómo puedo mediante esto descomponer una matriz?
  • Si descompongo una matriz, siempre es única esa descomposición.
  • ¿Qué es la descomposición en valores singulares?
  • ¿Cómo calcular una pseudoinversa?

Por qué todo esto es tan importante:

Debido a que en machine Learning debemos tener cuidado en los tiempos computacionales, si no somos cuidadosos y reducimos la cantidad de dimensiones que estamos entregando vamos a necesitar grades volúmenes de datos que hagan que nuestros procesos demoren muchísimo mas tiempo.

Ahora, antes de empezar: ¿Por qué a la matrices las pensamos como transformaciones lineales?

Hola amigos les dejo mis notas del curso y mis notebooks en un repositorio, nunca paren de aprender.

https://github.com/rb-one/-Curso_Algebra_Lineal_Aplicada_para_ML/blob/master/Notes/note.md

Con muchas expectativas. Todo es absolutamente nuevo en este curso para mi.

Excelente tener otra vez al profe Sebastián!

Eso que menciona al final, me parece que se refiere a la teoría de complejidad computacional, por si alguien le da curiosidad.

Si alguien necesita un complemento visual de todo esto, recomiendo este canal c:

https://www.youtube.com/watch?v=wiuEEkP_XuM

Let’s do it! 🐱‍👤👍✨

Me encanta la introducción!
Y me gustó mucho el curso anterior

Este profesor es excelente, explica muy bien y muy claro! 👍🏼😀

Recominedo tomar el curso previo, ya sea para los que no saben nada así como los que tienen base matemática formal.

Para el que no haya hecho el curso previo:
https://platzi.com/clases/algebra-lineal/

he pasado por las mejores escuelas de matematicas de mi pais y puedo decir que este profesor es el mejor maestro que he conocido en cuanto a algebra lineal

Qué diferencia la introducción de este curso comparada con la introducción de Algebra Lineal con Python. Se nota que el profe Sebastian cogió confianza. Bien por el profe ^^

Aquí el repositorio oficial del curso:

https://github.com/platzi/algebra-aplicada

En él podran encontrar el libro que se uso de base para el desarrollo de las clases.

Bienn!!! uno de mis profesores favoritosssssss que bien!

Resumen de lo aprendido en el curso anterior de: Curso de Fundamentos de Álgebra Lineal con Python

  • Que es una Matriz.
  • Que operaciones puedo realizar con ellas.
  • Que es una matriz identidad.
  • El calculo de la inversa de una matriz cuadrada.

Ahora con esas bases vamos a poder calcular:

  • ¿Qué son los auto valores?
  • ¿Qué son los auto vectores?
  • ¿Cómo puedo mediante esto descomponer una matriz?
  • Si descompongo una matriz, siempre es única esa descomposición.
  • ¿Qué es la descomposición en valores singulares?
  • ¿Cómo calcular una pseudoinversa?

Por qué todo esto es tan importante:

Debido a que en machine Learning debemos tener cuidado en los tiempos computacionales, si no somos cuidadosos y reducimos la cantidad de dimensiones que estamos entregando vamos a necesitar grades volúmenes de datos que hagan que nuestros procesos demoren muchísimo mas tiempo.

Ahora, antes de empezar: ¿Por qué a la matrices las pensamos como transformaciones lineales?

Hola amigos les dejo mis notas del curso y mis notebooks en un repositorio, nunca paren de aprender.

https://github.com/rb-one/-Curso_Algebra_Lineal_Aplicada_para_ML/blob/master/Notes/note.md

Con muchas expectativas. Todo es absolutamente nuevo en este curso para mi.

Excelente tener otra vez al profe Sebastián!

Eso que menciona al final, me parece que se refiere a la teoría de complejidad computacional, por si alguien le da curiosidad.

Si alguien necesita un complemento visual de todo esto, recomiendo este canal c:

https://www.youtube.com/watch?v=wiuEEkP_XuM

Let’s do it! 🐱‍👤👍✨

Me encanta la introducción!
Y me gustó mucho el curso anterior

Este profesor es excelente, explica muy bien y muy claro! 👍🏼😀

Recominedo tomar el curso previo, ya sea para los que no saben nada así como los que tienen base matemática formal.