Fundamentos matemáticos para la inteligencia artificial
Unidad 1 · 7 temas · 18 bitácoras
Empieza por la pregunta de cada lectura. Antes de abrir la solución del ejercicio, escribe qué calcularías y qué significaría el resultado. Los números junto a cada entrada te llevan al punto correspondiente del manual y de las diapositivas.
Fundamentos de probabilidad
De qué conjunto sale el denominador y cómo cambia al observar evidencia.
- ¿Entre qué impresiones estás sorteando?
Manual 7–9 · Clase 23–24 - Una pieza, un lote, una espera: ¿qué variable estás midiendo?
Manual 9–10 · Clase 25–35 - ¿Cuántas alarmas corresponden a defectos reales?
Manual 10–13 · Clase 36–39
Modelos multivariados
Cómo leer nubes de puntos, distinguir poblaciones y elegir una proyección.
- Dos sensores normales, una lectura conjunta extraña
Manual 13–16 · Clase 41–45 - ¿Un pedido pertenece a un grupo o se parece a dos?
Manual 16–18 · Clase 46–48 - ¿Qué dirección conserva los datos y cuál separa las clases?
Manual 18–20 · Clase 49–54
Estimar y predecir
Ajustar parámetros, predecir una magnitud o asignar una probabilidad.
- ¿Cuántas incidencias cabe esperar en el próximo turno?
Manual 20–21 · Clase 56–59 - ¿Cuántos minutos añade una caja al pedido?
Manual 21–22 · Clase 60–61 - Una probabilidad de retraso del 33 %, ¿justifica avisar?
Manual 22–24 · Clase 62
Variables latentes y selección
Aprender sin observar la pertenencia y decidir cuánta complejidad merece la evidencia.
- ¿Qué máquina llenó este paquete si nadie guardó su etiqueta?
Manual 24–27, 41 · Clase 65–66 - ¿Compensa añadir un parámetro para predecir mejor?
Manual 27–29 · Clase 67–71
Información e incertidumbre
Medir la sorpresa, el coste de equivocarse y la utilidad de una señal.
- ¿Cuántos bits cuesta una incidencia?
Manual 29–31 · Clase 73–76 - ¿Por qué una predicción segura puede salir tan cara?
Manual 30–31, 33 · Clase 77–79 - ¿Merece la pena instalar este sensor?
Manual 31–33 · Clase 80–81
Modelos lineales generalizados
Elegir una familia para la respuesta y controlar el tamaño de los coeficientes.
- La misma centralita, tres predicciones distintas
Manual 33–37 · Clase 83–87 - Dos sensores dicen lo mismo: ¿qué coeficiente te crees?
Manual 37–39 · Clase 88–91
Modelos no paramétricos
Aprender de casos próximos y combinar predictores imperfectos.
- ¿Qué reparación se parece a la de hoy?
Manual 39 · Sin desarrollo en las diapositivas - ¿Por qué confiar en un bosque de árboles que se equivocan?
Manual 39–40 · Sin desarrollo en las diapositivas