Prerrequisitos - Álgebra lineal

Antes del taller: este mazo repasa el álgebra lineal sobre la que se construye Tensores para Aprendizaje Automático: vectores y matrices, productos y transpuestas, inversas e independencia lineal, normas, matrices especiales, valores propios, la SVD, la pseudoinversa, la traza, el determinante y el PCA.

Sigue el capítulo 2 de Deep Learning de Ian Goodfellow, Yoshua Bengio y Aaron Courville, de lectura gratuita (en inglés) en deeplearningbook.org. Lee el capítulo allí y vuelve aquí para comprobar lo que aprendiste: cada tarjeta cita la página de donde sale su respuesta.

Las mismas preguntas forman la prueba de entrada del taller, para que tu instructor sepa desde dónde parte el grupo.

23 temas

Tu ruta en esta unidad

Paso 1 de 3

Repaso inicial

Echa un primer vistazo a cada tema y marca Entendido cuando tengas la idea general.

Escalares, vectores, matrices y tensores

La transpuesta

Suma de matrices y broadcasting

El producto de matrices

El producto punto

Propiedades de la multiplicación de matrices

La matriz identidad y la inversa

Resolver Ax = b calculando A⁻¹

Combinaciones lineales, espacio generado y espacio columna

Independencia lineal y matrices singulares

Normas de vectores: L¹, L², máximo

La “norma L⁰” no es una norma

La norma de Frobenius

Matrices diagonales y simétricas

Vectores ortogonales y matrices ortogonales

Vectores propios y valores propios

Descomposición de una matriz simétrica real

Matrices definidas y semidefinidas positivas

Descomposición en valores singulares (SVD)

La pseudoinversa de Moore-Penrose

La traza

El determinante

Análisis de componentes principales (PCA)

Preguntas complementarias al capítulo 2 de Deep Learning de Ian Goodfellow, Yoshua Bengio y Aaron Courville (MIT Press, 2016), deeplearningbook.org. Los resúmenes y las preguntas son originales; los pasajes citados remiten al libro.