TGViewer
Data Scientist | ML & AI Data Scientist | ML & AI @datascience_tg · 3.05K subscribers
Post #468 1.74K
📷 30 видео для изучения машинного обучения с нуля

Machine Learning: Teach by Doing — плейлист на YouTube из 30 видео, благодаря которому вы освоите теорию и практику машинного обучения.

▶️ Введение в машинное обучение — Teach by Doing:
https://lnkd.in/gqN2PMX5

▶️ Что такое машинное обучение? История машинного обучения:
https://lnkd.in/gvpNSAKh

▶️ Типы моделей машинного обучения:
https://lnkd.in/gSy2mChM

▶️ 6 этапов любого ML-проекта:
https://lnkd.in/ggCGchPQ

▶️ Установка Python и VSCode, запуск первого кода:
https://lnkd.in/gyic7J7b

▶️ Линейные классификаторы. Часть 1:
https://lnkd.in/gYdfD97D

▶️ Линейные классификаторы. Часть 2:
https://lnkd.in/gac_z-G8

▶️ Jupyter Notebook, Numpy и Scikit-Learn:
https://lnkd.in/gWRaC_tB

▶️ Запуск алгоритма случайного линейного классификатора на Python:
https://lnkd.in/g5HacbFC

▶️ Самая первая ML-модель — перцептрон:
https://lnkd.in/gpce6uFt

▶️ Реализация перцептрона на Python:
https://lnkd.in/gmz-XjNK

▶️ Теорема сходимости перцептрона:
https://lnkd.in/gmz-XjNK

▶️ Магия признаков в машинном обучении:
https://lnkd.in/gCeDRb3g

▶️ One-hot encoding (одноразрядное кодирование):
https://lnkd.in/g3WfRQGQ

▶️ Логистическая регрессия. Часть 1:
https://lnkd.in/gTgZAAZn

▶️ Функция потерь — кросс-энтропия:
https://lnkd.in/g3Ywg_2p

▶️ Как работает градиентный спуск:
https://lnkd.in/gKBAsazF

▶️ Логистическая регрессия с нуля на Python:
https://lnkd.in/g8iZh27P

▶️ Введение в регуляризацию:
https://lnkd.in/gjM9pVw2

▶️ Реализация регуляризации на Python:
https://lnkd.in/gRnSK4v4

▶️ Введение в линейную регрессию:
https://lnkd.in/gPYtSPJ9

▶️ Пошаговая реализация метода наименьших квадратов (OLS):
https://lnkd.in/gnWQdgNy

▶️ Основы и интуиция гребневой регрессии (Ridge Regression):
https://lnkd.in/gE5M-CSM

▶️ Резюме по регрессии для собеседований:
https://lnkd.in/gNBWzzWv

▶️ Архитектура нейронной сети за 30 минут:
https://lnkd.in/g7qSrkxG

▶️ Интуиция обратного распространения ошибки (Backpropagation):
https://lnkd.in/gAmBARHm

▶️ Функции активации в нейронных сетях:
https://lnkd.in/gqrC3zDP

▶️ Моментум в градиентном спуске:
https://lnkd.in/g3M4qhbP

▶️ Практическое обучение нейросети на Python:
https://lnkd.in/gz-fTBxs

▶️ Введение в сверточные нейронные сети (CNN):
https://lnkd.in/gpmuBm3j


Сохраняем и смотрим!

tags: #машинное_обучение

➡️ Data Scientist | Чат
  • 👍 3
  • 🔥 1
More from @datascience_tg
  1. Oct 2, 2026📰 GraphRAG против обычного RAG В разборе показывают, как графы знаний помогают сохранять…
  2. Oct 1, 2026🔖 База по CUDA от NVIDIA В CUDA Refresher объясняют, как GPU распределяет вычисления и ка…
  3. Oct 1, 2026Выспался, собрал чат-бота в течения дня → заработал 29 000₽ Это не развод, а обычный день…
  4. Sep 30, 2026📰 Как работает поиск в векторных базах В статье показывают весь путь: текст → embedding →…
  5. Sep 29, 2026🔖 Архитектура GPU для тех, кто работает с LLM-инференсом В руководстве разбирают, как сов…
  6. Sep 28, 2026📰 Как дообучать LLM через Supervised Fine-Tuning В статье разбирают SFT — один из ключевы…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →