Skip to content

Repositorio para la materia Análisis Matemático para Inteligencia Artificial (CEIA-FIUBA)

Notifications You must be signed in to change notification settings

rpazos98/analisis_matematico

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

74 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Análisis Matemático para Inteligencia Artificial

En este repositorio vas a encontrar el material de clase utilizado en la materia Análisis Matemático para Inteligencia Artificial (CEIA-FIUBA)

Estructura del Repositorio

Clases
├── Clase #
│   ├── Presentación
│   └── Notebooks
└── ...
Guías
├── Enunciados
└── Datos
TP Final
└── Notebook

Dentro de la carpeta Clases también se incluye el material relativo al curso introductorio.

Ejercicios a entregar

  • Entrega 1: Ejercicio 7 - Guía 1
  • Entrega 2: Ejercicio 5 - Guía 2

La entrega se realiza subiendo a la carpeta compartida asignada los archivos correspondientes, los cuales deben estar en formato .pdf (matemática) o .py (código). Otros formatos no serán considerados como entrega válida.

Cronograma

Clase Temas Lanzamiento
Entrega
Vencimiento
Entrega
Repaso 1
  • Conjuntos
  • Relaciones
  • Funciones
Repaso 2
  • Máximos/mínimos
  • Matrices
  • NumPy
1
  • Espacios vectoriales
  • Bases
2
  • Producto interno
  • Ortogonalidad
  • Gram-Schmidt
  • Transf. lineales
1
3
  • Proyecciones
  • Cuadrados mínimos
1
4
  • Avas y Aves
  • Diagonalización
  • DVS
2
5
  • Análisis multivariado
  • Backprop
2
6
  • Opt. sin restricciones
  • Gradient Descent
TP
7
  • Opt. con restricciones
  • Opt. convexa y no convexa
8 Exposición TP TP

Forma de Evaluación

La nota final es un promedio ponderado entre las 3 notas parciales, las cuales consisten en 20%, 30% y 50% para entrega 1, entrega 2 y TP final respectivamente.

Bibliografía

  • (Principal) Deisenroth, M. P., Faisal, A. A.,, Ong, C. S. (2020). Mathematics for Machine Learning. Cambridge University Press. (disponible libre aquí)
  • (Principal) Grossman, S. I. (2018). ALGEBRA LINEAL (8va. ed.). McGraw-Hill Interamericana.
  • (Complementario) Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. (disponible libre aquí)
  • (Complementario) Jeronimo, G., Sabia, J., & Tesauri, S. (2008). Álgebra Lineal. Departamento de Matemática, Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires. (disponible libre aquí)
  • (Complementario) Boyd, S., & Vandenberghe, L. (2004). Convex optimization. Cambridge university press. (disponible libre aquí)
  • (Complementario) Hoffman, K., & Kunze, R. A. (1971). Linear Algebra. Prentice-Hall.
  • (Complementario) Barbolla García, R., Sanz Álvaro, P., & Tena, E.C. (2001). Optimización: cuestiones, ejercicios y aplicaciones a la economía. Prentice-Hall.

About

Repositorio para la materia Análisis Matemático para Inteligencia Artificial (CEIA-FIUBA)

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Jupyter Notebook 100.0%