Adónde ir después

• torch.einsum / tf.einsum / jnp.einsum — sintaxis idéntica a la que usaste en la sección 06.
• np.linalg — el resto del capítulo 2: descomposición espectral, lstsq, pinv, qr, cholesky.
• scipy.signal y skimage.restoration — convolución y deconvolución más allá de hoy.
• tensorly — implementaciones correctas de Tucker y CP para proyectos reales.
• El resto de los cuatro estudios a fondo que abriste en vivo: el 13 (convolución y deconvolución), el 14 (CP), el 17 (atención) y el 20 (AlphaTensor). Cada uno va mucho más allá de la ruta que trabajó la sala.
• Un problema abierto al final de la sección 11: un tensor 9 × 9 × 9 de 27 unos cuyo rango nadie conoce, y por qué vale la pena encontrar una multiplicación de matrices más barata.
• Referencias y lecturas adicionales — los libros de álgebra lineal, el estudio de Kolda & Bader y los artículos de Tucker, CP/PARAFAC y Eckart–Young.

El acompañante generado por máquina es otra cosa: está generado, no escrito. Compruébalo contra el manual en vez de confiar en él por encima del manual.