1
Matrices y Sistemas
Operaciones matriciales, sistemas de ecuaciones, eliminación Gaussiana.
Sub-área
Álgebra Lineal para Data Science
Basado en los Capítulos 2-4 de Mathematics for Machine Learning (Deisenroth, Faisal, Ong). El lenguaje matemático que late bajo todo algoritmo de ML.
Empezar con Capítulo 1Capítulos
2
Espacios Vectoriales
Vectores, independencia lineal, base, dimensión, rango.
3
Transformaciones Lineales
Mapeos lineales, kernel, imagen, matrices como transformaciones.
4
Normas y Ortogonalidad
Producto interno, normas, proyecciones, Gram-Schmidt, QR.
5
Eigenvalores y Eigenvectores
Eigendecomposición, diagonalización, matrices definidas positivas.
6
SVD y Aproximación
Descomposición en valores singulares, aproximación de matrices, PCA.