Gradiente Descendente Paso a Paso con Python: Un Algoritmo de Optimización para Machine Learning

แชร์
ฝัง
  • เผยแพร่เมื่อ 26 ก.ค. 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]. TH-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, con un Super Gracias o visitando nuestra tienda en:
    / shop
    El código del video está disponible en GitHub github.com/CodigoMaquina/code
    ⭐ De la co-fundadora de Código Máquina, productos de cosmética natural SINHAKI:
    www.amazon.com.mx/s?srs=12094...
    #Optimización #AprendizajeDeMaquina #MachineLearning #AprendizajeAutomático #DeepLearning #AprendizajeProfundo

ความคิดเห็น • 50

  • @CodigoMaquina
    @CodigoMaquina  2 ปีที่แล้ว

    Apoya a Código Máquina dando un Like, con un Super Gracias o visitando nuestra tienda en:
    facebook.com/C0d1g0Maqu1na/shop

  • @jesusmanuelnietocarracedo9701
    @jesusmanuelnietocarracedo9701 8 หลายเดือนก่อน +17

    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.

    • @CodigoMaquina
      @CodigoMaquina  6 หลายเดือนก่อน +2

      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.

  • @jonathan1003046909
    @jonathan1003046909 ปีที่แล้ว +7

    La mejor explicación que he visto.

    • @CodigoMaquina
      @CodigoMaquina  ปีที่แล้ว

      ¡¡¡Muchas gracias Jonathan!!!

  • @SR_M0L1NA
    @SR_M0L1NA 2 หลายเดือนก่อน +1

    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.

  • @manchasraf9895
    @manchasraf9895 6 หลายเดือนก่อน +2

    Es increíblemente genial la manera en la que lo explicas y usas los recursos, aprendere mucho de ti

  • @olivermorales918
    @olivermorales918 ปีที่แล้ว +12

    Excelente explicacion! Por favor sigue con esto, se nota cuantas ganas y gusto tienes por enseñar. Saludos

    • @CodigoMaquina
      @CodigoMaquina  ปีที่แล้ว

      Oliver muchas gracias por tus palabras. Mientras haya salud y un poco de tiempo, seguiremos trabajando en este proyecto :)

  • @nancynardelli5466
    @nancynardelli5466 3 หลายเดือนก่อน +1

    Gracias!

  • @EducacionCultura1992
    @EducacionCultura1992 หลายเดือนก่อน

    espectacular

  • @rubendarioaquizepalacios8307
    @rubendarioaquizepalacios8307 ปีที่แล้ว +3

    Gracias Octavio, por hacernos fácil las cosas para avanzar más rápido.

    • @CodigoMaquina
      @CodigoMaquina  ปีที่แล้ว

      Es todo un placer. Gracias por interactuar en el canal :)

  • @ingridbarriosv6046
    @ingridbarriosv6046 2 หลายเดือนก่อน +1

    TOP!!

    • @CodigoMaquina
      @CodigoMaquina  2 หลายเดือนก่อน

      @ingridbarriosv6046 muchas gracias!!!

  • @gustavojuantorena
    @gustavojuantorena 2 ปีที่แล้ว +1

    Wow! Todavía no tuve tiempo de verlo completo. Pero qué nivel! 👏👏

  • @ajc4457
    @ajc4457 2 ปีที่แล้ว +1

    Gracias por este fenomenal video. Saludos.

    • @CodigoMaquina
      @CodigoMaquina  2 ปีที่แล้ว +1

      Muchas gracias por tu comentario. Es muy agradable leer que el video es de utilidad :)

  • @tinajastyle
    @tinajastyle 11 หลายเดือนก่อน +1

    Excelente 10/10 explicación

    • @CodigoMaquina
      @CodigoMaquina  11 หลายเดือนก่อน

      @tinajastyle muchas gracias por tu comentario :)

  • @erickgabrielconderodriguez4747
    @erickgabrielconderodriguez4747 ปีที่แล้ว +1

    Que calidad de videos.

    • @CodigoMaquina
      @CodigoMaquina  ปีที่แล้ว

      Nos alegra saber que son de tu interés. Saludos Erick!!

  • @LeonardoGraciotti
    @LeonardoGraciotti 6 หลายเดือนก่อน

    Excelente!🙂

  • @idbaronco4194
    @idbaronco4194 2 ปีที่แล้ว +1

    Excelente video, muy bien explicado profe

    • @CodigoMaquina
      @CodigoMaquina  2 ปีที่แล้ว +1

      ¡¡¡Muchas gracias!!! :)

  • @ricardoramosz8083
    @ricardoramosz8083 2 ปีที่แล้ว +2

    En este vídeo se observa con claridad, la importancia del conocimiento de las matemáticas para el aprendizaje de machine learning.

    • @CodigoMaquina
      @CodigoMaquina  2 ปีที่แล้ว

      Gracias por comentar y por ver el canal.

  • @dany01496
    @dany01496 ปีที่แล้ว +1

    Excelente video

  • @Kernnel98
    @Kernnel98 ปีที่แล้ว +1

    La explicacion esta muy buena, seria interesante verlo aplicado con un dataframe con datos reales.

    • @CodigoMaquina
      @CodigoMaquina  ปีที่แล้ว +2

      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 :)

  • @msaretto
    @msaretto 2 ปีที่แล้ว +1

    Super maestro

  • @juancarlosmorales4637
    @juancarlosmorales4637 2 ปีที่แล้ว +1

    Excelente

  • @johnpiedrahita7114
    @johnpiedrahita7114 5 หลายเดือนก่อน

    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.

  • @rogersc4195
    @rogersc4195 ปีที่แล้ว +1

    gracias

  • @carolinagranados7856
    @carolinagranados7856 ปีที่แล้ว +1

    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?

    • @CodigoMaquina
      @CodigoMaquina  ปีที่แล้ว

      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).

  • @bryanttello7142
    @bryanttello7142 2 ปีที่แล้ว

    Excelente video. Sigue subiendo videos de redes neuronales!
    Saludos

    • @CodigoMaquina
      @CodigoMaquina  2 ปีที่แล้ว +1

      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 :)

  • @alvbv
    @alvbv ปีที่แล้ว +1

    Hola gracias por tus videos, una consulta tienes un video donde explica la epoca?

    • @CodigoMaquina
      @CodigoMaquina  ปีที่แล้ว

      Hola @alvaromicaelbalvinvelasque3410 tal vez te sea de utilidad el video sobre el Perceptrón donde platico sobre su creación, entrenamiento y épocas: th-cam.com/video/dkhXGTersP0/w-d-xo.html

  • @josephgarcia9154
    @josephgarcia9154 2 ปีที่แล้ว +2

    Quiero aprender ciencia de datos en Python, con todas sus librerías... Tienes algún curso que pueda ayudarme ??

    • @CodigoMaquina
      @CodigoMaquina  2 ปีที่แล้ว +2

      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! :)

  • @edwardmejia6203
    @edwardmejia6203 ปีที่แล้ว +1

    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?

    • @CodigoMaquina
      @CodigoMaquina  ปีที่แล้ว

      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 :)

    • @Aldotronix
      @Aldotronix ปีที่แล้ว

      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.