Johan Camargo
@johan.camargo·
Excelente explicación
Nivel Avanzado
12 clases
3 horas de contenido
8 horas de práctica
Domina técnicas avanzadas de descomposición matricial para IA. Implementa PCA y SVD desde cero con Python y NumPy. Aprende a combatir la maldición de la dimensionalidad, interpreta la matriz de covarianza y optimiza modelos de Machine Learning. Aplica la ecuación característica con NumPy, estudia eigenvectores y descubre por qué SVD es clave en redes neuronales.
Dersarrollo OSLP
@fernando.stumpo·Pienso aplicar todo lo que aprendi pronto
Emilio José Chaparro Barrera
@emiliochaparro·Se aplica muy bien los conceptos aprendidos sobre AL en casos reales.
Daniel Rodriguez
@pipidepulus712·Good
EDWING ALFONSO ARENAS RUEDA
@tank335·es un curso muy bueno para comprender como se relacionan los conceptos de eigenvalores y eigenvectores con el metodo PCA
Diana Paola Moreno Colmenares
@diana.moreno1260·EXCELENTE CURSO
Bryan Castano
@Beaunix·Grandiosos Curso LinAlg Adv, el profesor @Daniel Explica bien, el contenido fue bueno, me ugsto pla palciacion de SVD a imagnes con eigenfaces, Ahora entiendo PCA desde las bases perpendiculares de matrices eigen() hasta uss aplciacioens reales. gran cursos de matematicas para ML.
Carlos Eduardo Castillo Ibarra
@carlosedcaib·Excelente curso. Muy didactico y práctico para entender como funciona PCA y SVD.
Hamilton Ruiz
@emprendadigital·excelente curso