Математика для ML: Теория Вероятностей, Математическая Статистика и Оптимизация

12+
12+

1 просмотр

5 дней назад

ПожаловатьсяНарушение авторских прав
12+
12+

1 просмотр

5 дней назад

ПожаловатьсяНарушение авторских прав
12+
12+

1 просмотр

5 дней назад

00:00 Знакомство 00:20 О чём видео 00:42 Для кого это видео 01:40 Дисклеймер 01:50 Что такое случайная величина 02:46 Примеры случайных величин 03:26 Как посчитать вероятность 05:25 Примеры вероятностных распределений 07:00 Матожидание 07:49 Дисперсия 08:35 Среднеквадратичное отклонение 09:15 Условная вероятность 10:00 Теорема Байеса 11:10 Реклама менторской программы 13:24 Выборка 14:14 Генеральная совокупность 14:48 Вычисление статистик по выборкам 15:52 Выборочная дисперсия 16:40 Что устойчивее к выбросам 18:35 Бутстрэп Bootstrap 19:30 Статистический тест 20:22 Доверительный интервал 21:40 Одно и двусторонние альтернативы 21:58 Ошибки первого и второго рода 22:43 Что опаснее ошибки 1 или 2 рода 24:00 p-value 24:48 Статистические критерии 25:35 A B тест 26:48 A A тест всегда ли можно провести 27:43 Как выбрать время проведения 28:20 Квантили квартили перцентили 29:06 Ящик с усами Box plot 30:26 Ковариация 31:21 Корреляции 31:53 Центральная предельная теорема ЦПТ 32:23 Закон больших чисел ЗБЧ 33:03 Функция потерь 33:39 Постановка оптимизационной задачи 34:20 Что значит обучить нейронную сеть 35:13 Градиентный спуск 36:23 Проблемы градиентного спуска 37:20 SGD и адаптивные градиенты 38:44 Завершение 39:36 Бэкстейдж В этом видео разбираем, какую математику реально нужно знать для работы в качестве Machine Learning-инженера. Без лишней теории — только то, что спрашивают на собеседованиях и используют на практике Для кого это видео: - Готовишься к ML-собеседованиям и хочешь освежить знания - Есть пробелы в математике, которая встречается в машинном обучении - Хочешь понять, что действительно важно знать, а что можно опустить при изучении математики для ML 📎 Полезные материалы: - Первая часть (линейная алгебра и матан): будет на канале у Александра @abletobetable - Roadmap ML 2026: https://youtu.be/8W6iI_kTi34 - Разобрать свой маршрут в ML — бесплатный вводный созвон: https://ian-schmidt.github.io/ schmidtml-lending/ - Статьи на Хабре: https://habr.com/ru/users/ versechorus/ articles/ #машинноеобучение #математика #machinelearning #mathematics Если хочешь прокачаться в сфере ML, напиши в Telegram — разберём твой кейс

Название:

Математика для ML: Теория Вероятностей, Математическая Статистика и Оптимизация

Категория:

Разное