Objetivo

En este tema sobre métodos de optimización aplicados en el entrenamiento de modelos de aprendizaje automático, cuyo objetivo consiste en encontrar un conjunto adecuado de parámetros que se ajusten a una función objetivo o al propio modelo.

Descripción

Los métodos de optimización numérica están en todas partes, ya que son la forma principal en que las computadoras y los dispositivos electrónicos realizan los cálculos matemáticos que necesitan para funcionar. En el aprendizaje automático, los métodos como el gradiente descendente se utilizan constantemente para evaluar la función de coste o la función de pérdida, las cuales, a partir de sus valores mínimos, nos indican qué tan buena es la predicción que se está haciendo sobre el valor esperado.

Haz clic para revisar la explicación.

Optimización continua

Revisa la siguiente lectura:

Para conocer más sobre optimización continua, te recomendamos leer:

Martinez, J. (2020). Gradiente Descendiente para aprendizaje automático. Recuperado de https://www.iartificial.net/gradiente-descendiente-para-aprendizaje-automatico/

Objetivo

Aplicar los conocimientos de optimización en la resolución de problemas.

Instrucciones

Utilizando el lenguaje de programación Python, realiza lo siguiente:

1. Considera la función: f(x,y) = 3x2 + 2xy + 15x + 6y2 - y, comenzando desde el punto inicial (x, y) = (-2, 3), encuentra el mínimo valor estimado para el cual esta función converge.
2. Es muy común identificar situaciones donde se deben realizar optimizaciones para encontrar el óptimo de una función dado un conjunto de restricciones iniciales. Identifica un problema que cumpla con dichas condiciones y desarrolla su solución.

Checklist

Asegúrate de:

• Encuentra el mínimo valor estimado y representa gráficamente sus resultados mediante Python
• Elige un problema adecuado y desarrolla su solución.