Gradiente Descendente Paso a Paso con Python: Un Algoritmo de Optimización para Machine Learning
Codigo Maquina
0:00 / 0:00
Gradiente Descendente Paso a Paso con Python: Un Algoritmo de Optimización para Machine Learning
38 548 просмотров · 4 года назад
Codigo Maquina
49,2 тыс. подписчиков
38 548 просмотров · 4 года назад
En este video se explica visualmente y paso a paso qué es y cómo funciona el algoritmo del gradiente descendente: uno de los algoritmos fundamentales para ajustar los parámetros de modelos de aprendizaje de máquina. El algoritmo es programado utilizando python. Además, la explicación está acompañada de múltiples visualizaciones y se realiza bajo el contexto de la técnica de regresión lineal por su simpleza relativa.
👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en https://www.xiperia.com
ℹ️ Octavio Gutiérrez es el único responsable del contenido, afirmaciones y opiniones expresadas en este video, las cuales no están vinculadas a las organizaciones a las que está asociado.
🌐 Para conocer más sobre Octavio Gutiérrez, visita su perfil en LinkedIn / octaviogutierrez
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 10 de Enero). Gradiente Descendente Paso a Paso con Python: Un Algoritmo de Optimización para Machine Learning [Video]. YouTube. [Incluye aquí la URL del video].
********************************************
Para guiar tu aprendizaje, en este vínculo ( • Curso de Inteligencia Artificial (IA) y Ma... ) se encuentra una guía secuencial para aprender:
1. Programación Básica con Python;
2. Manejo de Datos;
3. Visualización de Datos;
4. Análisis de Datos; y
5. Aprendizaje de Máquina y Ciencia de Datos.
********************************************
Índice del Video:
0:00 Introducción
7:04 Optimizando un modelo de regresión lineal
17:43 Diferentes modelos con diferentes pendientes
21:52 Visualización del error (RSS)
24:11 Creación y derivada del error E(m)
36:46 Generalización para dos o más parámetros
39:11 Creación y derivada parcial del error E(m, b)
44:44 Pseudocódigo del gradiente descendente
50:08 Programación del gradiente descendente
1:02:10 Visualización del descenso del error
⭐ Apoya a Código Máquina dando un Like, Comentando, Compartiendo o con un Super Gracias.
📊 Los datos no mienten: La caída del cabello se frena con mantenimiento predictivo, no correctivo.
El nuevo shampoo sólido anticaída de la co-fundadora de Código Máquina es el upgrade de alto rendimiento que tu hardware biológico necesita. 🧪💻🧬
👉 Consigue el tuyo y estabiliza el sistema: https://bit.ly/Sinhaki
El código del video está disponible en GitHub https://github.com/CodigoMaquina/code
#Optimización #AprendizajeDeMaquina #MachineLearning #AprendizajeAutomático #DeepLearning #AprendizajeProfundo