Bienvenido a Platzi

El producto punto es una operación fundamental en machine learning para medir la similitud entre vectores. Si dos vectores apuntan en direcciones similares, su producto punto será alto, lo que indica mayor afinidad entre los elementos que representan (por ejemplo, el perfil de gustos de un usuario y una película). Sin embargo, para comparar vectores de forma más consistente se utiliza la similitud coseno, que normaliza el producto punto por la magnitud de los vectores y produce valores entre −1 y 1: valores cercanos a 1 indican alta similitud, 0 indica poca relación y −1 indica oposición.

Con NumPy, estas operaciones se implementan fácilmente mediante funciones como

, el operador y . Esta técnica se aplica en múltiples sistemas de IA, como recomendadores, búsqueda semántica y modelos de lenguaje, donde se comparan vectores que representan usuarios, documentos o palabras. Por ejemplo, utilizando vectores de palabras preentrenados se puede observar que términos como “rey” y “reina” presentan alta similitud, mientras que “rey” y “gato” muestran una relación mucho menor, reflejando su diferencia semántica.