Temario y recursos del Curso de Álgebra Lineal Aplicada para Machine Learning
Temario del Curso de Álgebra Lineal Aplicada para Machine Learning
Transformaciones lineales y descomposición de matrices
- Introducción al curso
- Podemos y debemos pensar a las matrices como transformaciones lineales
- Autovalores y Autovectores
- Cómo calcular los autovalores y autovectores
- Descomposición de matrices
- ¿Cómo descompongo una matriz no cuadrada (SVD)?
- Las tres transformaciones
- Aplicación de las matrices D y V y U y su efecto en la transformación
- ¿Cómo interpretar los valores singulares?
Aplicaciones de SVD a una imagen
- Una imagen es una matriz
- Apliquemos la descomposición SVD a una imagen
- Buscando la cantidad de valores singulares que nos sirvan
- ¿Qué es una pseudo inversa de Moore Penrose y cómo calcularla?
- Usando la pseudo inversa para resolver un sistema sobredeterminando
Aplicando Álgebra Lineal: Análisis de Componentes Principales (PCA)
- ¿Qué es PCA?
- Preparando el conjunto de imágenes para aplicar PCA
- Apliquemos PCA a un conjunto de imágenes
- Cierre del curso
Para este curso vas a necesitar
2 Horas de contenido
6 Horas de práctica
Para este curso vas a necesitar
2 Horas de contenido
6 Horas de práctica
Transformaciones lineales y descomposición de matrices
- Introducción al curso
- Podemos y debemos pensar a las matrices como transformaciones lineales
- Autovalores y Autovectores
- Cómo calcular los autovalores y autovectores
- Descomposición de matrices
- ¿Cómo descompongo una matriz no cuadrada (SVD)?
- Las tres transformaciones
- Aplicación de las matrices D y V y U y su efecto en la transformación
- ¿Cómo interpretar los valores singulares?
Aplicaciones de SVD a una imagen
- Una imagen es una matriz
- Apliquemos la descomposición SVD a una imagen
- Buscando la cantidad de valores singulares que nos sirvan
- ¿Qué es una pseudo inversa de Moore Penrose y cómo calcularla?
- Usando la pseudo inversa para resolver un sistema sobredeterminando
Aplicando Álgebra Lineal: Análisis de Componentes Principales (PCA)
- ¿Qué es PCA?
- Preparando el conjunto de imágenes para aplicar PCA
- Apliquemos PCA a un conjunto de imágenes
- Cierre del curso