Всем привет! Эта статья - обобщение моего опыта 30+ проектов, связанных с обработкой данных и машинным обучением. Здесь не будет теории про управление рисками и общего перечня проектных рисков. Я перечислил только наиболее частые “грабли” именно из data-специфики, с которыми…
Линейная алгебра в Data Science и Machine Learning является основополагающей. Новички, начинающие свой путь обучения в области Data Science, а также признанные практики должны развить хорошее понимание основных понятий линейной алгебры.Специально к новому старту курса математика и Machine Learning для Data Science делимся переводом статьи Бенджамина Оби Тайо — физика, кандидата наук и преподавателя Data Science — о том, что нужно знать, чтобы лучше понимать Data Science и Machine Learning. Читать далее
Картинка отсюда. Machine Learning от Stanford University Machine Learning Foundations: A Case Study Approach от University of Washington CS188.1x: Artificial Intelligence от University of California, Berkeley Practical Machine Learning от Johns Hopkins University Introduction to Artificial Intelligence от Stanford University Artificial Intelligence for Robotics от Stanford University Introduction to Machine Learning Course от Stanford University Читать дальше →
When you study an abstract subject like linear algebra, you may wonder: why do you need all these vectors and matrices? How are you going to apply all this inversions, transpositions, eigenvector and eigenvalues for practical purposes? Well, if you study linear algebra with the purpose of doing machine learning, this is the answer for you. In brief, you can use linear algebra for machine learning on 3 different levels: application of a model to data; training the model; understanding how it works or why it