Daniel Rodriguez
@pipidepulus712·
Good
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.
Johan Camargo
@johan.camargo·Excelente explicación
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
William Santiago Alzate Barriga
@williamsantiagoalzate·Gran curso, se explican conceptos avanzados de una forma muy clara
Pablo Joaquín Cruz
@joacru·Muy buen profesor. Aunque en las últimas clases se vuelve cuesta arriba. Claramente hay que tener las bases sólidas de cursos anteriores.
