Este repositorio reúne material de apoyo teórico para quienes desean comprender las bases matemáticas y estadísticas detrás de los algoritmos de machine learning. Está pensado como un espacio de estudio, reflexión y conexión entre la práctica computacional y el rigor académico.
Como Ingeniero Comercial con formación intensiva en Business Analytics, he comprobado que dominar los modelos no basta. Para aplicar machine learning con criterio y precisión, es indispensable entender su estructura interna, sus supuestos y los fundamentos matemáticos que los sostienen.
Este repositorio nace de mi obsesión positiva por la excelencia técnica y visual. No se trata solo de ejecutar código, sino de explorar lo que hay detrás de cada algoritmo o modelo, y de rendir homenaje a la elegancia y precisión de las matemáticas que los hacen posibles.
Aquí comparto recursos, referencias y reflexiones que conectan la práctica computacional con el rigor académico. Mi objetivo es ofrecer un punto de partida para quienes, como yo, buscan ir más allá del resultado y comprender la lógica profunda que da vida al aprendizaje automático.
Los textos incluidos aquí son pilares en la formación teórica de machine learning y econometría aplicada:
-
Gujarati – Econometría
Ideal para comprender regresión lineal, multicolinealidad, heterocedasticidad y otros conceptos fundamentales que se reflejan en modelos como Ridge y Lasso. -
Matemáticas para Machine Learning (Deisenroth, Faisal, Ong)
Una guía clara y progresiva para entender álgebra lineal, cálculo y probabilidad desde una perspectiva aplicada al aprendizaje automático. -
The Elements of Statistical Learning (Hastie, Tibshirani, Friedman)
Texto clásico que conecta estadística, optimización y machine learning en profundidad. Incluye regularización, árboles, boosting, SVM y más.
- Fragmentos comentados de los libros (solo con fines educativos)
- Resúmenes visuales y esquemas explicativos
- Conexiones entre teoría y código en R y Python
- Referencias cruzadas entre capítulos y algoritmos prácticos
- Enlaces a proyectos donde aplico estos conceptos
Este repositorio está pensado para compartir, aprender y construir juntos. Si estás comenzando en machine learning o quieres reforzar tus fundamentos, te invito a explorar, comentar y contribuir.
También puedes seguir mis publicaciones en LinkedIn donde comparto proyectos, visualizaciones y reflexiones técnicas.
Cada archivo, cada carpeta y cada fragmento aquí está organizado con precisión para facilitar el aprendizaje, la colaboración y la reproducibilidad. Porque entender es tan importante como ejecutar.