Все основные модели машинного обучения за 25 минут

Описание: ➡️ Получайте еженедельные совместные задания, викторины по машинному обучению и шпаргалки + бесплатную электронную книгу «Машинное обучение в упрощенном виде»: https://www.thegradientdescent.net/up...
▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬
📌 Рекомендуемый просмотр:
Машинное обучение в упрощенном виде (за 12 минут): 👉    • Machine Learning Explained Simply (In 12 M...  
▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬
🤖 15 примеров машинного обучения Модели. 25 минут. Никакой путаницы.

От прогнозирования цен на жилье до генерации изображений и работы ChatGPT — модели машинного обучения повсюду. Но чем каждая из них отличается от других? В этом видео я простым языком разберу каждую основную модель машинного обучения, чтобы вы наконец поняли не только то, что они собой представляют, но и как и почему они работают.


Вы узнаете:
✅ Что такое линейная и логистическая регрессия и когда их использовать
✅ Как наивный байесовский классификатор делает удивительно точные прогнозы
✅ Почему метод k-ближайших соседей — одна из самых интуитивно понятных моделей
✅ Как метод опорных векторов находит идеальную границу принятия решений
✅ Что делает деревья решений и случайные леса такими мощными
✅ Почему XGBoost доминирует в соревнованиях по структурированным данным
✅ Как нейронные сети на самом деле учатся на данных
✅ Что видят сверточные нейронные сети, когда смотрят на изображение
✅ Как трансформеры произвели революцию в языке и ИИ
✅ Как генеративно-состязательные сети противопоставляют две сети друг другу для получения потрясающих результатов
✅ Что делает кластеризация k-средних без каких-либо меток
✅ Как метод главных компонент сжимает данные, не теряя при этом важного
✅ Как обучение с подкреплением обучает ИИ методом проб и ошибок

Независимо от того, являетесь ли вы полным новичком или освежаете свои знания перед собеседованием, это лучший экспресс-курс по... Модели машинного обучения — все в одном месте.

▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬

⏱️ Временные метки:
0:00 Введение
0:31 Что такое машинное обучение
0:53 Обучение с учителем
1:37 Регрессия против классификации
2:16 Обучение без учителя
2:59 Линейная регрессия
4:34 Логистическая регрессия
5:52 Наивный байесовский классификатор
7:00 Метод k-ближайших соседей
8:36 Метод опорных векторов
10:00 Деревья решений
11:23 Случайные леса
12:24 XGBoost
13:22 Нейронные сети
14:46 Сверточные нейронные сети (CNN)
16:05 Трансформеры
17:26 Генеративные состязательные сети (GAN)
18:51 Кластеризация методом k-средних
19:53 Анализ главных компонентов (PCA)
21:22 Обучение с подкреплением
24:17 Заключение

▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬

#ai #machinelearning #datascience #neuralnetworks #deeplearning #linearregression #randomforest #xgboost #transformers #reinforcementlearning #beginnerml