clases.md

layout	is_contact
default	false

• Introducción
  • 00 Introducción y preliminares
    • Parte 1: Aprendizaje automático
    • Parte 2: Álgebra Lineal
• Aprendizaje supervisado
  • 01 Regresión Lineal
    • Parte 1: Derivando el problema
    • Parte 2: Formulación y derivación de ecuaciones normales usando matrices
    • Parte 3: Scikit-Learn vs Numpy
    • Parte 4: Descenso del gradiente
  • 02 Regresión Logística
    • Parte 1: Deducción de la función de pérdida L(Beta)
    • Parte 2: Uso de Scikit-Learn con Regresión logística
  • 03 Regularización
    • Parte 1: Conceptos
    • Parte 2: Camino de regularización
  • 04 Trade-off bias variance

Introducción

00 Introducción y preliminares

Parte 1: Aprendizaje automático

• Fecha: 30/10/2024

Parte 2: Álgebra Lineal

• Fecha: 06/11/2024

Aprendizaje supervisado

01 Regresión Lineal

Parte 1: Derivando el problema

• Fecha: 08/11/2024

Parte 2: Formulación y derivación de ecuaciones normales usando matrices

• Fecha: 13/11/2024

Parte 3: Scikit-Learn vs Numpy

• Fecha: 20/11/2024

Parte 4: Descenso del gradiente

• Fecha: 22/11/2024

02 Regresión Logística

Parte 1: Deducción de la función de pérdida L(Beta)

Parte 2: Uso de Scikit-Learn con Regresión logística

03 Regularización

Parte 1: Conceptos

Parte 2: Camino de regularización

04 Trade-off bias variance

Todas las imágenes generadas con prompts del contenido en Midjourney y Leonardo.ai