Сообщения

Рецензия на лекции первого семестра ШАД: Машинное обучение.

Лекция (ссылка) Хардкор Практичность Актуальность в 2019 Мое мнение о лекции Важные понятия для понимания лекции Количество просмотров Полезные ссылки Основные понятия и примеры прикладных задач 4 10 10 Эта лекция обязательна к просмотру любому ML-щику, тут за 1,5 часа все основные вещи рассказываются.  Методы оптимизации, понятие функционала, эмпирический риск 130 995 Текст лекций 1 семестра Презентация Метрические методы классификации 5  6 9 Метрические методы - традиционно самые простые в понимании и имплементации, но совершенно не популярные во фреймворках. Вторую половину смотреть только тем, кто сам пишет модификации метрических алгоритмов. метрика Минковского, расстояние Левенштейна, понятие метрического пространства, понимание функций argmax / sign, линейная алгебра (азы), МНК, ядра функций 39 434 Презентация Логические методы классификации и решающие деревья 7  9 10

24 лекции за 48 часов

Занимаясь машинным обучением в России, редкий человек избежал искушения обучиться базовым навыкам посредством знаменитого курса от Воронцова. Многие пытались использовать его как первый и единственный доступный материал и убегали в страхе, раздавленные сложностию уже первой лекции . Те из многих, кто имел достаточную математическую подготовку и небольшой практический опыт боготворили лекции как единственное верное учение и подход к подаче материала. Кто-то, имеющий большой практический опыт и некоторый опыт преподавания осуждал сугубую академичность изложения и отсутствие практических примеров (видимо, на scikit-learn). Но практически все, с кем я обсуждал прохождение этого курса, сходятся в том, что существует такое фундаментальное явление, как два семестра машобуча, мимо которых пройти мимо сложно и влияние на индустрию и методику преподавания оказано огромное. Давайте поподробнее разберёмся в этом феномене и ответим на несколько возникающих перед каждым смотрящим сии лекции вопро