17 ecuaciones que cambiaron Machine Learning

Perceptrón multi-capa y redes neuronales

Entropia y entropía cruzada para distribuciones de probabilidad

Fórmula de Bayes e inferencia bayesiana

Márgenes entre clases y máquinas de soporte vectorial

Descomposición del error cuad´ratico medio como trade-off entre varianza y sesgo

Funciones de activación sigmoide y soft-max

Regularizador de Tychonov y métodos dispersos

Ley de los grandes números para procesos estacionarios.

Distribución gaussiana y el teorema central de Lévy

Factorización de matrices en valores singulares

Algoritmo del gradiente descendente

Ecuaciones de Bellman y aprendizaje por refuerzo

Función de pérdida adversaria para modelos generativos

Cross-correlation o convoluciones entre tensores

Memoria de largo plazo y modelos recurrentes

Regla de la cadena y backpropagation

Mecanismo de atención y modelos semi-supervisados

Notas del curso

Semana

1 Perceptrón multi-capa y redes neuronales

1. Perceptrón multi-capa y redes neuronales.

Semana

2 Entropia y entropía cruzada para distribuciones de probabilidad

2. Entropía y entropía cruzada para distribuciones de probabilidad.

‍

Semana

3 Fórmula de Bayes e inferencia bayesiana

3. Fórmula de Bayes e inferencia bayesiana

‍

Semana

4 Márgenes entre clases y máquinas de soporte vectorial

4. Márgenes entre clases y máquinas de soporte vectorial

Semana

Descomposición del error cuad´ratico medio como trade-off entre varianza y sesgo

5. Descomposición del error cuadrático medio como trade-off entre varianza y sesgo

Semana

Funciones de activación sigmoide y soft-max

6. Funciones de activación sigmoide y soft-max.

Semana

Regularizador de Tychonov y métodos dispersos

7. Regularizador de Tychonov y métodos dispersos

Semana

Ley de los grandes números para procesos estacionarios.

8. Ley de los grandes números para procesos estacionarios.

Semana

Distribución gaussiana y el teorema central de Lévy

9. Distribución gaussiana y el teorema central de Lévy.

Semana

Factorización de matrices en valores singulares

10. Factorización de matrices en valores singulares.

Semana

Algoritmo del gradiente descendente

11. Algoritmo del gradiente descendente.

Semana

Ecuaciones de Bellman y aprendizaje por refuerzo

12. Ecuaciones de Bellman y aprendizaje por refuerzo.

Semana

Función de pérdida adversaria para modelos generativos

13. Función de pérdida adversarial para modelos generativos

Semana

Cross-correlation o convoluciones entre tensores

14. Cross-correlation o convoluciones entre tensores.

‍

Semana

Memoria de largo plazo y modelos recurrentes

15. Memoria de largo plazo y modelos recurrentes.

Semana

Regla de la cadena y backpropagation

16. Regla de la cadena y backpropagation.

Semana

Mecanismo de atención y modelos semi-supervisados

17. Mecanismo de atención y modelos semi-supervisados.

‍