📚 The Elements of Differentiable Programming (2024)
✍️ Авторы: Mathieu Blondel, Vincent Roulet

ИИ в последние годы сделал огромный скачок: большие модели, гигабайты датасетов, мощные GPU… и теперь ещё одна магия — differentiable programming.

Если коротко, это такой подход, где можно взять и прогнать градиент не только через нейронку, но и через обычный код с условиями, циклами и структурами данных. В итоге параметры программы можно оптимизировать, как веса в модели.

🔥 Авторы из Google DeepMind объясняют:

🟠 Что это не просто «берём производные из кода», а новый способ думать о программах

🟠 Как всё это связано с оптимизацией и вероятностями (авторы даже показывают аналогии между ними)

🟠 Почему у дифференцируемого кода появляется распределение вероятностей на выходах — и ты можешь измерять неопределённость результата

И конечно, много про autodiff, графовые модели и градиентные методы, без которых ML уже немыслим.


🔗 Скачать

📲 Мы в MAX

👉 @bfbook