Це відео не доступне.
Перепрошуємо.
Gradiente Descendente Paso a Paso con Python: Un Algoritmo de Optimización para Machine Learning
Вставка
- Опубліковано 14 сер 2024
- 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.
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]. UA-cam. [Incluye aquí la URL del video].
********************************************
Para guiar tu aprendizaje, en este vínculo ( • Curso de Inteligencia ... ) 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.
⭐ De la co-fundadora de Código Máquina, productos de cosmética natural SINHAKI:
www.amazon.com...
El código del video está disponible en GitHub github.com/Cod...
#Optimización #AprendizajeDeMaquina #MachineLearning #AprendizajeAutomático #DeepLearning #AprendizajeProfundo
⭐ Apoya a Código Máquina dando un Like, Comentando, Compartiendo o con un Super Gracias.
⭐ De la co-fundadora de Código Máquina, productos de cosmética natural SINHAKI:
www.amazon.com.mx/stores/sinHaki/page/1BD34FBC-C0F9-44F5-AC69-520634334C61?ref_=ast_bln
Es increíble que un contenido de tantísima calidad como este, que es brutal, sea gratuito y que tenga tan poco impacto (tan pocos me gusta y comentarios) mientras que vemos miles y miles en vídeos de gente bailando y haciendo el tonto... Muchísimas gracias por el canal que tienes, es una pasada, tú si que eres alguien a quien tener de referente, ánimo con este trabajazo.
Estimado @jesusmanuelnietocarracedo9701 muchísimas gracias por tus palabras, son muy gratificantes y nos motivan a seguir con este proyecto que tantas satisfacciones nos ha dado. Mucha felicidad y salud para ti y tu familia en este año 2024.
La mejor explicación que he visto.
¡¡¡Muchas gracias Jonathan!!!
Muy bueno, seguiré este canal.😊
Gracias por comentar y por seguir el contenido del canal!
Es increíblemente genial la manera en la que lo explicas y usas los recursos, aprendere mucho de ti
Excelente explicacion! Por favor sigue con esto, se nota cuantas ganas y gusto tienes por enseñar. Saludos
Oliver muchas gracias por tus palabras. Mientras haya salud y un poco de tiempo, seguiremos trabajando en este proyecto :)
Me ha encantado. He visto bastantes vídeos explicando el descenso del gradiente, y con éeste lo he entendido todo. Ya no tengo dudas. Muchas gracias.
A lo largo de esta semana voy a intentar ver el resto de vídeos.
Este video es una joya.
¡Muchas gracias!
Gracias!
Gracias Octavio, por hacernos fácil las cosas para avanzar más rápido.
Es todo un placer. Gracias por interactuar en el canal :)
espectacular
Wow! Todavía no tuve tiempo de verlo completo. Pero qué nivel! 👏👏
¡Muchas gracias!
TOP!!
@ingridbarriosv6046 muchas gracias!!!
En este vídeo se observa con claridad, la importancia del conocimiento de las matemáticas para el aprendizaje de machine learning.
Gracias por comentar y por ver el canal.
Gracias por este fenomenal video. Saludos.
Muchas gracias por tu comentario. Es muy agradable leer que el video es de utilidad :)
Excelente 10/10 explicación
@tinajastyle muchas gracias por tu comentario :)
Que calidad de videos.
Nos alegra saber que son de tu interés. Saludos Erick!!
La explicacion esta muy buena, seria interesante verlo aplicado con un dataframe con datos reales.
Muchas gracias por tus comentarios y por la sugerencia. Crear los ejemplos usando datos reales es una deuda pendiente que tenemos. Posteriormente haremos algunos videos con "casos reales" para ejemplificar los procesos de inicio a fin. Gracias por interactuar en el canal :)
Excelente video, muy bien explicado profe
¡¡¡Muchas gracias!!! :)
Estimado profesor Octavio, mil gracias, las explicaciones son muy claras. Me puede orientar, cómo es el código cuando mi valor de b no es cero?
Estimada Carolina, muchas gracias por tus comentarios y por seguir el contenido del canal. Con respecto a tu pregunta, este video es muy, muy largo y fácilmente se pierde uno. Si entendí bien tu pregunta, tal vez la respuesta está en el minuto 35:50 donde se generaliza la función del error para dos variables m y b, lo cual ya considera diferentes valores del intercepto (b).
Super maestro
¡Muchas gracias!
Excelente video
¡¡¡¡Muchas gracias!!!
Excelente!🙂
Al final la predicción de la tasa salarial no se menciona en que valor queda. Me ayudas a tener más contexto de esto, por favor.
Excelente
¡Muchas gracias!
Hola gracias por tus videos, una consulta tienes un video donde explica la epoca?
Hola @alvaromicaelbalvinvelasque3410 tal vez te sea de utilidad el video sobre el Perceptrón donde platico sobre su creación, entrenamiento y épocas: ua-cam.com/video/dkhXGTersP0/v-deo.html
Excelente video. Sigue subiendo videos de redes neuronales!
Saludos
Gracias por tu comentario y sugerencia. En definitiva subiré más videos sobre redes neuronales. Poco a poco en el canal habrá una biblioteca de temas de machine learning, y por supuesto, una sección dedicada exclusivamente a redes neuronales :)
gracias
Gracias a ti Roger. Saludos!!
Quiero aprender ciencia de datos en Python, con todas sus librerías... Tienes algún curso que pueda ayudarme ??
Te agradecemos mucho el interés en cursos especializados. Sin embargo, no ofrecemos "cursos" personales. Nuestro objetivo es que poco a poco en nuestro canal podamos tener tantos videos como sea posible sobre ciencia de datos y machine learning para brindar herramientas que puedan apoyar el desarrollo autodidacta de las personas. ¡Te deseamos lo mejor en tu preparación! :)
Me queda la inquietud de si el algoritmo es solo para probar que el modelo esta bien , es decir, el modelo de regresion lineal ya hace el gradiente descendente por si solo?
Estimado Edward gracias por la pregunta. El algoritmo de gradiente descendente es un algoritmo de optimización genérico que permite encontrar los valores (sub)óptimos de los parámetros de un modelo. En este caso, para explicar el gradiente descendente utilice la regresión lineal por su simpleza, pero bien se pudo haber utilizado una red neuronal aunque la explicación sería muy compleja. De hecho, la regresión lineal comúnmente no utiliza el método del gradiente descendente sino el método de los mínimos cuadrados. Gracias por seguir el contenido del canal :)
Por lo que entendí la regresión utiliza el valor mínimo del error y el gradiente utiliza la derivada del error = 0. O sea el mismo resultado, pero de diferente forma.
Hay que ser el mismísimo demonio para editar por horas sobre un fondo blanco. 🤣