CAPÍTULO 07 / 40
Optimización Continua
3 lecciones · Explora, experimenta y comprende.
DOJO PETTu pequeño compañero de código
DOJO / TU GUÍA
Aprendamos juntos.
Pregúntame sobre este curso o por dónde empezar.
Lecciones del capítulo
3 lecciones
Por qué importa en ML
Descenso por gradiente, momentum, Adam y la optimización con restricciones son cómo los parámetros se mueven realmente — el loop de entrenamiento es un optimizador disfrazado.
- SGD
- Adam
- Lagrangian methods
- Paso 39~25m3D · 145★Más cinematográfica⚡Reto
Descenso por Gradiente
El descenso por gradiente es el algoritmo de optimización continua más simple y más usado: para minimizar una diferenciable, parte de algún…
Abrir lección - Paso 40~20m3D · 115★Más cinematográfica⚡Reto
Optimización con Restricciones y Multiplicadores de Lagrange
Los problemas reales de optimización suelen venir con restricciones: minimizar sujeto a (igualdad) o (desigualdad). Las restricciones limita…
Abrir lección - Paso 41~20m3D · 125★Más cinematográfica⚡Reto
Optimización Convexa
Un conjunto es convexo si para cualesquiera y , la combinación convexa también está en — el segmento entre cualesquiera dos puntos se queda…
Abrir lección