ฝัง
- เผยแพร่เมื่อ 21 ก.ย. 2024
- Курс посвящён изучению основных методов машинного обучения.
Изучаемые темы можно разбить на два блока:
- Первый блок - обучение с учителем. Изучаются линейные модели и методы градиентного обучения, решающие деревья, композиции моделей (случайный лес, градиентный бустинг и его имплементации), приложения в рекомендательных системах.
- Второй блок - обучение без учителя. Изучаются методы кластеризации, визуализации, понижения размерности.
Преподаватель: Евгений Соколов, заместитель руководителя и старший преподаватель департамента больших данных и информационного поиска, академический руководитель программы «Прикладная математика и информатика».
ФКН: cs.hse.ru
Подписывайтесь на нас в социальных сетях: cshse , / , / cs_hse
![[DeepLearning | видео 1] Что же такое нейронная сеть?](http://i.ytimg.com/vi/RJCIYBAAiEI/mqdefault.jpg)
Благодарю, за то, что выбиваете эту математику из моей головы! 😂🔥👍🤝💯
00:00 суть машинного обучения на примере перевода текста
09:13 разбор понятий на примере рекомендательной системы для музыки
10:09 объект
12:03 ответ (целевая переменная, таргет)
14:17 множество объектов и множество ответов
17:17 признаки
20:40 типы признаков
33:26 признаковое описание
34:38 обучающая выборка
39:25 тип задач. Обучение с учителем
45:40 обучение без учителя
50:00 модель (алгоритм)
51:08 линейные модели
54:50 функция потерь
58:06 функционал ошибки
1:00:30 задача обучения
Топ преподаватель!
это точно!)
Просто перл !!!
Объект - это материальная или виртуальная сущность или процесс. Образ - результат отображения объекта в шифровую модель. Распознавание - получение образа и отнесение его к одному из возможных классов. Распознавание графических, текстовых, цифровых, аудио. видео-образов. И т.д. Уверен, что это понятия навсегда запомнили 100% внимающих.
Спасибо, пока кажется очень просто, местами медленное повествование, но может так и надо.
Этот курс хорош тем что все разбирают на понятных примерах, пытался смотреть другие курсы и было тяжело все в голове совместить как связана линейная модель о которой всегда говорится на начале с компьютерным зрением или нлп
Спасибо за курс. Такой вопрос: sql нужен для ml?
ну а как же
В 1954 году IBM 701 переводила русский на английский на основе правил с поразительной на то время точностъю. (Кому интересно ищите "IBM Archives: 701 Translator" ) К словам добавлялись специальные метки, чтобы разруливать контекстные разночтения. Если какое-то слово имеет метку, то ищут нет ли к этой метке связанного слова с подходящей меткой, и тогда перевод будет отличаться от прямого. Пример из статъи: Генерал-майор преводится major general, для этого слово генерал получало метку 21, а майор метку 110. И в инструкции машины указано, если встретишь слово с меткой 110, посмотри нет ли перед ним слова с меткой 21, и если так, напечатай слова в обратной последовательности.
+