Lección 21 del curso Cálculo para Ciencia de Datos y Machine Learning.
En la lección anterior vimos el principio de funcionamiento de la optimización para máximos y mínimos locales y globales, y con esto ya tenemos todos los conceptos esenciales de la optimización que resultan relevantes en diferentes técnicas de Machine Learning.
En esta última lección del curso veremos ejemplos específicos de aplicación de este concepto de optimización precisamente en diferentes ámbitos del Machine Learning.
En particular hablaremos en detalle de aspectos como la minimización de la función de error en diferentes algoritmos de entrenamiento, así como la afinación de los hiperparámetros de un modelo y el proceso de selección de características al momento de entrenar un modelo de Machine Learning:
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.
Muy bien, acabamos de ver varios ejemplos específicos de aplicación de la optimización en el campo del machine learning, con lo cual podemos dar por terminado este tema de optimización y con lo cual también hemos completado la totalidad del curso.
¡Así que te felicito por haber completado este curso! y te invito a ver el video de cierre donde haré un recuento de todo lo aprendido hasta este punto:
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.
Como de costumbre, te invito a contactarme para que me compartas tus opiniones sobre este curso y tus sugerencias para seguir mejorando el contenido de la Academia. ¡Te envío un saludo y nos vemos en el próximo curso!
Todas las lecciones del curso Cálculo para Ciencia de Datos y Machine Learning