Repasando Matemáticas. Comienza el viaje

Vuelvo a retomar el blog después de mucho tiempo, concretamente desde Septiembre del 2017 no había vuelto a escribir por aquí... Pero no me olvido, incluso lo revivo cuando mi servidor decidió morir unos días.

Pero hoy no vengo a hablar de programación ni de JavaScript... bueno, un poco si.

Resulta que en el pasado TensorFlow Dev Summit anunciaron Tensorflow.js, una plataforma para poder aplicar Machine Learning directamente en el navegador y a futuro podrá utilizarse en Node.js

Con éste anuncio, está claro que el 2018 es el año de ponerse a estudiar y aprender Machine Learning en serio. Hasta ahora la mayoría de todo lo relacionado con ML se hacía con Python y librerías como SciKit Learn, TensorFlow o Keras.

Qué necesito para aprender Machine Learning

Pero ML no es solo programación, intervienen muchos conceptos matemáticos que si has estudiado una ingeniería deberíamos saber.

Personalmente, las matemáticas nunca han sido mi fuerte. Puede que por falta de motivación, o que no llegaba a encontrarles aplicación práctica más allá del día a día. Pero con todo el tema de ML, esa curiosidad me ha devuelto la motivación y para poder entender bien lo que hago necesito conocer la base, si no, ¡No se que es lo que estoy haciendo!

Por tanto, voy a empezar a repasar conceptos de Álgebra, Cálculo, Estadística, etc... que me sirvan como base para los conceptos de Machine Learning y Deep Learning que se necesitan para poder trabajar con TensorFlow y todo este ecosistema.

Empecé este blog como un cuaderno de notas de lo que iba aprendiendo, para poder consultarlo cuando necesitase repasar algo y si a alguien más le servía, pues mejor que mejor. Ahora, todo el repaso que quiero hacer de Matemáticas tiene esa misma misión, servirme a mi de consulta y a toda persona que le pueda ayudar.

Para entender Machine Learning se necesita saber cosas como:

• Álgebra:

  • Variables, Coeficientes, Funciones
  • Matrix
  • Ecuaciones Lineales
  • Ecuaciones Logarítmicas

• Cálculo:

  • Derivadas
  • Gradientes
  • Derivadas Parciales

• Trigonometría

• Estadística:

  • Media, Mediana, Desviación estándar
    ...

Y para entender estos conceptos se necesita conocer algunos más.

Por eso a partir de ahora, todo lo que vaya repasando lo iré escribiendo por aquí. No se lo que me llevará, pero espero aprender cosas nuevas y salir de mi zona de comfort una vez más.

¿Me acompañas?