Відео

Здравствуйте, верно ли, что функцию СофтМакс мы получаем, устанавливая эквивалентность "вероятностная модель" -- "функция принятия решения + функция потерь" в случае многоклассовой логистической регрессии, беря линейную "функцию принятия решений" a(x) = arg\max_{y\in Y}\left<x, w_y ight> и следующую "функцию потерь": Loss_i(W) = log \left( 1 + \sum_{z eq y_i} e^{-\left<x_i,w_i-w_z ight>} ight) ? Т. е. на сайте курса в актуальных к этой лекции слайдах (на 26-ом слайде) просто опущена эта же функция потерь ? Если так, то это идёт несколько в разрез к 5-ому слайду , где говорится, что потери на i-ом объекте (в случае нескольких классов) мы ограничиваем сверху СУММОЙ монотонно убывающих функций L от отступа i-ого объекта от каждого класса. А предложенная выше Loss_i(W) -- логарифм суммы, который не разбивается в СУММУ функций L от соответствующих отступов. Как быть ?

Прекрасный лектор! Наглядная презентация. Спасибо большое!

Чел вообще знает машинное обучение?

К какому плейлисту относится?

тематическое моделирование? пикантно😎

Задача 2: 1:23 (выпуклость мн-в) Задача 4: 31:38 (субградиент) Задача 5: 45:43 (сопряжённые множества) Задача 6: 1:14:38 (сопряжённые ф-ии) Задача 7: 1:37:50 (двойственная задача) Задача 8: 2:12:18 (ККТ) Задача 1: 2:40:21 (дифференцирование) Задача 3: 2:48:28 (выпуклость ф-й) Задача 9: 2:50:58 (константа гладкости) Задача 10: 2:57:59 (градиентный спуск) Задача 12: 2:59:52 (метод Франк-Вульфа) Задача 11: 3:04:49 (метод Ньютона)

Спасибо! Очень полезная информация!

Спасибо большое!

32:32, Скажите пожалуйста, подобные таблицы нужно где-то хранить или они формируются на лету, в процессе работы алгоритма?

то тут то там меняется понятие о том, что такое выборка: это подмножество объектов X ({x1, x2, ..., xl}) или же множество пар объект-ответ ((xi, yi)). что же всё-таки такое выборка?

Вот в какие времена живем. Лекции лучшего ВУЗ страны по самой востребованной специальности и совершенно бесплатно. На огрехи все равно.

Отличный преподаватель! Он семинары не ведет?

А можно ссылку на ноутбук плиз

сразу скажу если вы в математике ноль, то урок не для Вас, сначала надо вообще самые азы изучить

Чья-то соска ...

Прекрасные лекции и просто ужаснейшие семинары... Орфографические, морфологические, математические, технические ошибки... Не говоря уже о том, что сам руководитель занятия путается на каждом шагу... Ощущение, что он вчера сдал экзамен, а сегодня его поставили преподавать... Хотя, я думаю так и есть...

Просто фантастические лекции, спасибо Леониду. Жалко, что он не увидит...

Отличные лекции! Не стоит флейтисту стесняться 🙂

как интересно, какие были алгоритмы выпрямления, после обнаружения точек решётки

Почему-то не работает ссылка

Я понимаю тех ребят, которые не любят Anaconda, во-первых весит 15 гб, во вторых мне часто нужен лишь отдельно Jupyter Notebook и только те библиотеки, которые я хочу себе поставить

Рекомендательные системы Ютуба порекомендовали мне это видео, когда я захотел научиться рекомендовательным системам😄

Жаль связь прерывается. Тем не менее, лекции шикарные, очень информативно и системно, спасибо большое!

Огромное спасибо за труд, но у меня потёк мозг при просмотре, надо было учить математику :D

Слайды очень тяжело понимать. Лектор не проговаривает, что скрывается за аббревиатурами в названиях формул, и далеко не все они легко гуглятся. В самих пояснениях тоже тяжело разобраться. Например слайд на 19:13 : написано, что k_u is the average rank of items by u. Мало того, что у этой текстовой формулировки совершенно неочевидное формульное представление, так такая переменная вообще не используется ни на одной формуле на слайде.

Если кто хочет дослушать рассказ про нелинейное ансамблирование то вот та же лекция только для ВМК МГУ - ua-cam.com/video/KCi3rzwJohs/v-deo.html

Парень в начале к-ый задавал вопросы - спасибо тебе большое)

Очень приятный лектор, придётся слушать лекции :-)

Это точно бакалавры?

Если не сложно - выложите, пожалуйста саму презентацию. А также ссылки на все отригинальные статьи, на которые вы ссылаетесь. Спасибо.

А на каком моменте говорили про "штраф за приближение к границе классов" (4ый пункт последнего слайда), я как-то не могу найти.

попалось в рекомендациях, проматал чисто по интересу, и во фласке есть аналог pydantic называет marshmellow(и датакалссы можете юзать и вообще это дело вкуса) спеку тоже можно генерить и сам Pydantic тоже можете использовать, по нагрузке flask тоже справляется не плохо, и в нём уже вроде как тоже завезли асинхронщину(но это не точно или скоро завезут), а если у вас крутится модель в фастапи, то асинхронщина вам не поможет и можно смело использовать фласк, есть cpu и io задачи, и модель ml как раз cpu задача, и во фласке тоже можно несколько инстансов запускать, вообщем жопа подгорела и я написал

❤

Когда назвали математическую статистику модными словами

Ээээ... Ээээ... Мммм

45 минуте вопрос выскочки сбил меня 😬

Да-с.....Надо учиться подавать материал.

Не осиливаю все смотреть по времени(

Шикарный курс!

Добрый день! Возможно ли подключаться и слушать лекции в онлайне не являясь студентом вашего учебного заведения ?

17:44 - на слайде про СВД разве нет опечатки? матрицы U (lxl),V(nxn) должны быть квадратными, т.к. состоят из собственных векторов соответвующих размерностей, матрица Sigma(lxn) прямоугольная с соответсвующими размерами?

Легенда на лекторе

Как то гении говорили для создания ИИ вышмат нахуй не нужен

Отлично. Царско-советская школа. В стиле Ю.И.Журавлева. Спасибо. Блеск.

30:50 Josh Hutcherson reference?!?!?!

22:45 - почему в формуле u^h(x_i) стоит f(x_i) а не просто x_i, и откуда взялась функция f?

Марии Ковалевой только не понятно где искать доклад? Если ссылку кто-то подскажет, буду благодарен

Курс очень интересный и полезный! Спасибо

ujasnij zvuk

Спасибо за видео! Существуют ли видео "Математические методы прогнозирования, 5" ... "Математические методы прогнозирования, 1" ? Если да, то можно ли как-то дать на них ссылки под этим видео.