Matemáticas Para El Aprendizaje Automático y el aprendizaje profundo: Del cálculo matricial y la optimización al aprendizaje estadístico y el entrenamiento de redes neuronales

Matemáticas Para El Aprendizaje Automático y el aprendizaje profundo: Del cálculo matricial y la optimización al aprendizaje estadístico y el entrenamiento de redes neuronales

Author: Simon Calder

Description: Un modelo bien entrenado parece magia hasta que deja de funcionar sin explicación. El rendimiento cae en un nuevo conjunto de datos, el gradiente se dispara o los parámetros no convergen: en ese momento toda la abstracción de los frameworks se viene abajo. Las matemáticas para machine learning y deep learning no son un adorno académico, sino un mapa que muestra qué ocurre dentro del modelo, por qué falla y qué decisión tomar para corregirlo. Este libro construye ese mapa desde el principio: parte de la representación tensorial de los datos, atraviesa el cálculo matricial y la retropropagación, y llega a la optimización, la inferencia estadística y la generalización. No se limita a enunciar fórmulas; conecta cada una con su propósito geométrico o computacional y la acompaña del desglose necesario para reproducirla. Es un recorrido exigente que sustituye la intuición por derivaciones exactas, pensado para quien no se conforma con ejecutar una librería. Lo que distingue esta obra es que trata el entrenamiento de redes como un problema matemático continuo, donde cada pieza tiene un rol claro: representar, predecir, medir el error, derivar el gradiente y actualizar los parámetros. • Recorre la regla de la cadena y los jacobianos para que la retropropagación se convierta en un cálculo reproducible y verificable. • Analiza la curvatura de la función de pérdida mediante hessianos y autovalores, y explica por qué la optimización se estanca o diverge. • Presenta SGD, Adam y AdamW como respuestas a problemas concretos de ruido, escala y regularización, no como recetas de caja negra. • Vincula la máxima verosimilitud, el prior y la regularización L1/L2 en una misma lógica estadística que da sentido a las decisiones de diseño. • Descompone el error de generalización en sesgo, varianza y ruido irreducible, e incorpora fenómenos como el descenso doble. • Analiza las funciones de pérdida (MSE, entropía cruzada, focal loss) según su origen probabilístico y su impacto en escenarios reales. Está dirigido a estudiantes de ciencias de datos, ingenieros de machine learning y científicos que ya entrenan modelos y quieren dejar de ajustar hiperparámetros a ciegas. También acompaña a quienes empiezan a leer investigación y necesitan dominar la notación y las derivaciones para no perder el hilo. No es una lectura de fin de semana, sino el tipo de referencia que se consulta cuando el entrenamiento plantea preguntas que nadie en la sala sabe responder.

AI summary: Este libro ofrece un tratamiento riguroso de las matemáticas fundamentales para el aprendizaje automático y profundo, cubriendo cálculo matricial, optimización, inferencia estadística y teoría de la generalización. Conecta cada concepto con su propósito en el entrenamiento de redes neuronales, planteando derivaciones exactas y notación tensorial. Dirigido a estudiantes y profesionales que buscan entender el funcionamiento interno de los modelos para diagnosticar y mejorar su rendimiento.

Ideal para

Estudiantes de ciencias de datos, ingenieros de ML y científicos que buscan dominar las matemáticas detrás del aprendizaje automático y profundo.

Perfil del lector

Un ingeniero de machine learning que ya entrena modelos pero quiere entender por qué funcionan y cómo diagnosticar problemas de optimización y generalización.

Intención de búsqueda

Búsqueda de un libro que explique con rigor las matemáticas (cálculo, optimización, estadística) aplicadas a machine learning y deep learning para diseño y diagnóstico de modelos.

Enfoque único

A diferencia de los libros que presentan fórmulas aisladas, esta obra trata el entrenamiento de redes como un problema matemático continuo, vinculando cada derivación con su propósito geométrico y computacional.

Tipo de contenido

technical reference book

Resumen rápido

• Este libro explica las matemáticas del aprendizaje automático, desde el cálculo matricial y la optimización hasta la estadística y el entrenamiento de redes neuronales.
• Es una guía para ingenieros y científicos de datos que quieren entender el funcionamiento matemático de los modelos de ML y DL.
• Incluye derivaciones de retropropagación, análisis de curvatura, optimizadores como Adam y AdamW, y descomposición del error de generalización.
• La obra trata el entrenamiento de redes como un problema matemático continuo, anclando cada fórmula a su propósito geométrico o computacional.
• Proporciona las herramientas para diagnosticar problemas de convergencia, elección de pérdida y ajuste de hiperparámetros con fundamento.

Key topics: Cálculo matricial, Optimización, Redes neuronales, Retropropagación, Estadística, Generalización, Funciones de pérdida, Aprendizaje estadístico, Grafos computacionales, Hessianos

Entities: gradientes, jacobianos, regla de la cadena, descenso de gradiente estocástico, Adam, máxima verosimilitud, regularización L1/L2, sesgo y varianza, entropía cruzada, teoría del aprendizaje, métodos de Monte Carlo, tensores

Necesidades cubiertas

• Comprender por qué no converge un modelo
• Diagnosticar problemas de gradientes
• Seleccionar la función de pérdida adecuada
• Ajustar hiperparámetros con fundamento
• Entender la generalización y el sobreajuste

Léelo si

• Ingenieros de machine learning
• Científicos de datos
• Estudiantes de posgrado en IA
• Profesionales que implementan modelos
• Investigadores que leen papers de aprendizaje profundo

Puede no encajar si

• Personas que buscan una introducción práctica sin matemáticas
• Lectores que prefieren código antes que teoría
• Quienes no tienen base de álgebra lineal y cálculo

Índice

1. Nota al lector: cómo usar este libro (introduction)
2. Los fundamentos matemáticos del entrenamiento de modelos (part)
3. Matemáticas en el aprendizaje automático y el aprendizaje profundo (chapter)
4. El aprendizaje automático desde una perspectiva matemática (section)
5. Las capas matemáticas de un sistema de aprendizaje (section)
6. De los datos a los modelos, funciones de pérdida y parámetros (section)
7. Las matemáticas de la inferencia y el entrenamiento (section)
8. La hoja de ruta matemática de este libro (section)
9. El lenguaje matemático del aprendizaje automático (chapter)
10. Escalares, vectores, matrices y tensores (section)
11. Formas, dimensiones y ejes de datos (section)
12. Funciones con valores escalares, vectoriales y matriciales (section)
13. Vectorización y operaciones elemento a elemento (section)
14. De la notación matemática al código (section)
15. Transformaciones fundamentales en los modelos de aprendizaje (chapter)
16. Transformaciones lineales (section)
17. Transformaciones afines (section)
18. Transformaciones no lineales y funciones de activación (section)
19. Composiciones de funciones en modelos profundos (section)
20. La predicción como un mapeo matemático (section)
21. De las predicciones a los problemas de optimización (chapter)
22. Parámetros, hiperparámetros y estado del modelo (section)
23. Funciones de pérdida y funciones objetivo (section)
24. Gradientes y actualizaciones de parámetros (section)
25. Datos de entrenamiento, validación y prueba (section)
26. El ciclo completo de entrenamiento (section)
27. Cálculo matricial y retropropagación (part)
28. Derivadas de funciones multivariables (chapter)
29. Derivadas parciales y sensibilidad a los parámetros (section)
30. Gradientes de funciones con valor escalar (section)
31. Derivadas direccionales (section)
32. Aproximaciones de Taylor (section)
33. Gradientes en modelos de aprendizaje automático (section)
34. Jacobianos y derivadas vectoriales (chapter)
35. Funciones con valor vectorial y la necesidad de los jacobianos (section)
36. La matriz jacobiana (section)
37. Productos jacobiano-vector (section)
38. Productos vector-jacobiano (section)
39. Jacobianos en redes neuronales (section)
40. Diferenciación con respecto a matrices (chapter)
41. Funciones de pérdida dependientes de matrices de pesos (section)
42. Gradientes matriciales (section)
43. Derivadas de productos matriciales (section)
44. Derivadas de normas vectoriales y matriciales (section)
45. Cálculo matricial para una capa de red neuronal (section)
46. La regla de la cadena, grafos computacionales y retropropagación (chapter)
47. La regla de la cadena en modelos multicapa (section)
48. Grafos computacionales (section)
49. Propagación hacia adelante (section)
50. Propagación hacia atrás (section)
51. Diferenciación automática (section)
52. Curvatura y optimización (part)
53. Hessianos y la geometría de las funciones de pérdida (chapter)
54. Derivadas de segundo orden (section)
55. La matriz hessiana (section)
56. Autovalores del hessiano (section)
57. Mínimos locales, máximos y puntos de silla (section)
58. Regiones planas y pronunciadas (section)
59. Fundamentos de la optimización (chapter)
60. Espacios de parámetros y funciones objetivo (section)
61. Optimización local y global (section)
62. Conjuntos convexos y funciones convexas (section)
63. Condiciones de optimalidad de primer y segundo orden (section)
64. Optimización no convexa en el aprendizaje profundo (section)
65. Descenso de gradiente y convergencia (chapter)
66. La regla de actualización del descenso de gradiente (section)
67. Tasas de aprendizaje (section)
68. Suavidad y condiciones de Lipschitz (section)
69. Análisis en funciones cuadráticas (section)
70. Programaciones de la tasa de aprendizaje (section)
71. Descenso de gradiente estocástico y optimizadores modernos (chapter)
72. Gradientes por lotes completos, estocásticos y minilotes (section)
73. Tamaño del lote y varianza del gradiente (section)
74. Momento y momento de Nesterov (section)
75. AdaGrad, RMSProp y tasas de aprendizaje adaptativas (section)
76. Adam y AdamW (section)
77. Optimización de segundo orden y con restricciones (chapter)
78. El método de Newton (section)
79. BFGS y L-BFGS (section)
80. Productos hessiano-vector (section)

Preguntas frecuentes