Fundamentos de matemáticas y estadística
Vectores, matrices, probabilidad y derivadas: el lenguaje de la IA
OVERVIEW
- Todos los conceptos
- 6
- Principiante
- 3
- Intermedio
- 2
- Experto
- 1
Every model ultimately reduces to operations on vectors and matrices, and every act of “learning” is ultimately the reduction of a loss along a gradient. This domain does not aim for a mathematician’s completeness; it selects only what is needed to understand AI: linear algebra gives data and weights their shape, probability gives uncertainty its measure, and calculus gives improvement its direction.
Preguntas que responde este dominio
- Q1
Why can data be written as a matrix?
- Q2
Which direction does the gradient actually point?
- Q3
Why can softmax be used as a probability?
Entradas de este dominio
- 01Vectores y espacios vectorialesPrincipianteLa IA convierte todo —palabras, imágenes, sonidos, usuarios— en una lista de números
- 02Gradiente y descenso de gradientePrincipianteTodo el aprendizaje profundo se reduce a una cosa: dar un pequeño paso cuesta abajo
- 03Operaciones matriciales y transformaciones linealesIntermedioMultiplicar matrices no es una ristra de productos y sumas: reescribe todo un espacio de una vez
- 04Probabilidad y distribucionesPrincipianteUn modelo nunca te da una respuesta; te da un grado de creencia sobre cada respuesta posible
- 05Teorema de BayesIntermedioCree un poco, ve la evidencia, corrija un poco: eso es Bayes
- 06Entropía y teoría de la informaciónExpertoCuanto más sorprendente es una frase, más información lleva; y la función de pérdida de un modelo de lenguaje mide exactamente esa sorpresa