Lección 12 del curso Cálculo para Ciencia de Datos y Machine Learning.
En la lección anterior hablamos del concepto de la derivada parcial que en últimas sigue la misma lógica de la derivada de funciones univariadas pero que en este caso se aplica a funciones de múltiples variables.
En esta lección retomaremos la regla de la cadena, vista en una lección anterior para el caso de funciones univariadas, y veremos cómo aplicarla para el caso en el cual tenemos funciones multivariadas:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Recordemos que la regla de la cadena nos permite calcular la derivada de funciones compuestas que dependen de una sola variable. Y esta idea se puede extender a funciones multivariadas, donde se aplican diversas derivadas parciales. De esta manera, la regla de la cadena también se puede utilizar para funciones que dependen de dos o más variables.
Además hemos visto diferentes ejemplos de aplicación de la regla de la cadena para funciones multivariadas así como la regla general para cualquier tipo de función multivariada.
Así que en la próxima lección vamos a introducir el concepto del gradiente y su relación con la derivada, otro elemento fundamental relacionado con el entrenamiento de diversos modelos de Machine Learning.
Todas las lecciones del curso Cálculo para Ciencia de Datos y Machine Learning