11 - Motivación: el papel de las matrices en la Ciencia de Datos y el Machine Learning
Lección 11 del curso Álgebra Lineal para Ciencia de Datos y Machine Learning.
Tabla de contenido
Introducción
En la lección anterior desarrollamos la primera práctica del curso, en donde vimos cómo usar word2vec para realizar el procesamiento de texto en Python.
En este tercer módulo del curso hablaremos del segundo tipo de dato fundamental del Álgebra Lineal: las matrices.
Al igual que hicimos con los vectores, primero entenderemos su importancia en la Ciencia de Datos y el Machine Learning y luego hablaremos de algunas operaciones básicas y avanzadas con matrices, para cerrar con un ejercicio práctico haciendo uso de Python y NumPy.
Así que en esta lección nos enfocaremos en entender, a través de varios ejemplos, los diferentes usos que pueden tener las matrices en la Ciencia de Datos y el Machine Learning.
Suscríbete para tener acceso al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Las matrices como herramienta para almacenar datos
Podemos usar las matrices para almacenar datos estructurados (en formato tabular) o datos no estructurados como las imágenes o el texto.
Como herramienta para transformar datos
Podemos usar las matrices para aplicar transformaciones a los datos.
Un ejemplo son las proyecciones y cambios de base que pueden ser representadas matemáticamente y calculadas de forma sencilla en un computador si usamos representaciones matriciales cuando pasamos de una base a otra.
De igual forma, en arquitecturas como las Redes Neuronales internamente estos modelos permiten procesar los datos realizando transformaciones que implican representaciones y operaciones matriciales.
Como herramienta para representar los parámetros de un modelo
Y los mismos parámetros de un modelo son almacenados en matrices para facilitar el procesamiento de los datos.
Este es el enfoque usado, por ejemplo, en los casos de todas las arquitecturas del Deep Learning.
Recuerda suscribirte para acceder al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Conclusión
Bien, ya tenemos un panorama de los diferentes usos que podemos dar a las matrices en la Ciencia de Datos y el Machine Learning.
Así que en la próxima lección comenzaremos a profundizar en estas matrices y veremos varias definiciones, su notación y conceptos básicos que resultarán útiles de aquí en adelante.