Rubén Cuello
otra forma de saber si los puntos criticos son maximos o minimos es mediante el estudio de la segunda derivada. en muchos casos este metodo es mas rápido.
Javier Suárez Meerhoff
gracias!
Juan R. Vergara M.
Gracias por el aporte.
Obteniendo máximos y mínimos con la derivada
Imagínate que la siguiente curva es una montaña rusa, y que la recta tangente a esta curva en cualquier punto es el carrito de la montaña rusa. Cuando el carrito va subiendo, este tiene cierta inclinación. Cuando va bajando, tiene una inclinación opuesta. Esta inclinación nos la da la derivada. Como sabrás, si la derivada es positiva, la curva incrementa, y al contrario si la derivada es negativa.
Si respondiste que estudiando la derivada en puntos a la izquierda y a la derecha del punto crítico, estás en lo correcto. Se determina que hay un punto máximo LOCAL si la derivada cambia de positivo a negativo y viceversa si es un punto mínimo. A esto se le conoce como el criterio de la primera derivada.
También existe el criterio de la segunda derivada, que consiste en estudiar que pasa cuando derivamos por segunda vez la función en un punto crítico. Te invito a investigarlo (ya que está fuera del alcance de este curso).
Contribución creada por Ciro Villafraz con los aportes de Joan Blanco.
Usando sympy para hallar los maximos y minimos
Esta sera la expresion utilizada para este ejemplo:
from sympy import * init_printing( use_latex='mathjax' ) x = Symbol('x') expr = x**4 - 3*x**2 # ^^ esta es nuestra expresion expr_d = Derivative(expr, x, evaluate=True) # ^^ esta es la derivada de nuestra expresion
Eq(expr_d, 0)
solve(Eq(expr_d, 0))
Puedes utilizar un jupyter notebook para verificar este proceso 😉.
Rubén Cuello
otra forma de saber si los puntos criticos son maximos o minimos es mediante el estudio de la segunda derivada. en muchos casos este metodo es mas rápido.
Javier Suárez Meerhoff
gracias!
Juan R. Vergara M.
Gracias por el aporte.
frluenga
Estas son las bases para entender el descenso del gradiente, ahora hay que resolver el problema de los máximos locales y mínimos locales.
Por cierto, el descenso del gradiente tiene buen uso en machine learning :D
Juan R. Vergara M.
👍
Patricia Carolina Perez Felibert
Esta clase es muy importante para entender como funciona el descenso del gradiente
Juan R. Vergara M.
De acuerdo.
Jhon Freddy Tavera Blandon
En matemáticas, un máximo y un mínimo son valores extremos de una función que representan los puntos más altos y más bajos, respectivamente. Estos extremos son importantes en el análisis de funciones, ya que brindan información sobre los puntos críticos y las características de la función. A continuación, se describen con más detalle cada uno de ellos:
Máximo:
Mínimo:
Eduardo Monzón
Gracias por el resumen.
Jhon Freddy Tavera Blandon
Solución al Reto
Tadeo Juarez
El uso del mínimo o del máximo depende de como planteamos el problema
Si buscamos la combinación de parámetros que nos de la menor cantidad de errores posibles entonces estaremos haciendo aprendizaje no supervisado o supervisado, donde buscamos que se equivoque lo menos posible. El descenso de gradiente y el mínimo nos ayuda a esto porque intentamos llegar al valor mas bajo, lo que representa que esta cometiendo menos errores. Entonces lo que hace es cambiar parámetros con cada entrenamiento para ver que combinación nos da una pendiente mas negativa que con el paso de los entrenamientos nos lleve al mínimo de la función donde el margen de error es 0
Si usamos aprendizaje por refuerzo entonces estaremos buscando la mayor cantidad de aciertos, por lo que le daremos una recompensa cada vez que la red neuronal haga un buen trabajo. Esto hará que modifique sus parámetros en función a cuando recibe una recompensa hasta llegar al máximo, aquí mediremos con el ascenso de gradiente. Imagina cuando entrenaste a tu IA para jugar rocket league, cada vez que le pegaba al balón le dabas una recompensa lo que le decía a la IA que lo estaba haciendo bien y orientaba sus parámetros hacia lo que hizo bien, con el objetivo de llegar a la máxima cantidad de aciertos que es nuestro máximo de la función
Jhon Alexander Mosquera Vanegas
Que la derivada valga cero no basta para afirmar que encontramos un máximo o un mínimo. La clase lo llama punto crítico: la tangente es horizontal y apenas tenemos un candidato. Para decidir hay que mirar la derivada a la izquierda y a la derecha, porque si pasa de positiva a negativa hay un máximo local, y si pasa de negativa a positiva, un mínimo local. Es el criterio de la primera derivada. Me parece una buena disciplina para cualquier análisis de datos: un hallazgo no se declara por una sola señal, se confirma observando qué pasa a su alrededor.
Edwin Clavijo
La derivada nos permite detectar cuándo algo deja de crecer y empieza a caer, o deja de caer y empieza a crecer.
FELIPE GONZALEZ
Y qué pasa cuando la primera derivada NO EXISTE? Y qué pasa cuando la derivada no cambio de signo analizando los puntos antes y después del punto crítico?
Rafael Andres Segura Santana
La derivada te dice la pendiente, pero ella sola es ciega ante el destino final. Para saber si estás en la cima o en el fondo, necesitas mirar cómo cambia esa pendiente justo antes y después del punto crítico.
Si la pendiente pasa de subir a bajar, ¿qué crees que ocurrió en ese punto?
David Fernando Vargas Mejía
Toco volver a las vieja escuela y leerse un articulo de khan academy, pero contestamos bien.
Daniel Andres Rojas Paredes
aaaa evaluando el limite cuando se acerca a 0 por izquierda y por derecha
Daniel Andres Rojas Paredes
evaluando la funcion en esos puntos , si es mayor o menor que 0 y si es el maximo o el minimo de esos puntos