В последнее время занялся машинным обучением с использованием гауссовой регрессии. Начал с написания скриптов с использованием готовых классов из библиотеки scikit-learn, а потом решил погрузиться в математику того, как это все работает. И тут началось...

Пришлось вспоминать кучу всего, чему учили в институте, и что я уже благополучно забыл или не знал. Причем это касается различных областей. Тут прям сошлось комбо из теории вероятности, матричного исчисления и обработки сигналов. Например, пришлось вспоминать или заново разбираться с такими вещами как ковариационные матрицы и ковариационные функции, разложение матриц по собственным векторам, узнал, что матрицу можно возводить в дробную степень, а заодно, что от матриц можно брать экспоненту, методы расчета обратных матриц. Это я еще не говорю о таких базовых вещах как теорема Байеса, априорная и апостериорная вероятности, причем все это записывается в матричной форме. И это я еще не дошел до самого важного, собственно обучения.

Продираюсь медленно, но выглядит все это интересно. Во многом помогает ИИ (я пользуюсь в основном DeepSeek), задаю ему вопросы и проверяю адекватность ответов ссылками, которые он предлагает. Причем ИИ довольно неплохо человеческим языком разжевывает понятия, о которых его спрашиваешь, а потом ему можно задавать уточняющие вопросы.