Álgebra lineal: por qué importan los vectores y matrices

Los datos como vectores

Cualquier ejemplo de un dataset (una fila de una tabla, un píxel de una imagen) se puede representar como un vector de números. Un modelo de IA, en el fondo, es una función que transforma vectores de entrada en vectores de salida.

Multiplicación de matrices, en la práctica

Una capa de una red neuronal no es más que una multiplicación de matrices seguida de una función no lineal:

salida = activación(W · entrada + b)

Donde W es la matriz de pesos y b el vector de sesgo (bias). Entender esta operación como "una transformación geométrica del espacio de entrada" me ayudó mucho más que memorizar la fórmula sin más.

Reflexión

Vengo de un perfil más de soporte/sistemas que puramente matemático, así que esta asignatura es la que más tiempo extra me está llevando — pero también la que más está cambiando cómo entiendo lo que hace un modelo "por debajo".