Почему без формулы Байеса вы не понимаете, как работает ML

Многие заходят в ML через код и модели, обучают, получают метрики и на этом этапе всё кажется понятным. Но, как только нужно пойти чуть глубже – улучшить модель или разобраться в ошибках, обязательено возникает вопрос:

«Почему модель принимает именно такие решения?»

▪️Можно посмотреть на метрики.
▪️Можно попробовать перебрать параметры.
▪️Можно визуализировать данные.

Но ответ на вышеозвученный вопрос это не даст.

Наверняка вы знаете, что внутри модели скрывается вполне конкретная логика работы с вероятностями. Модель постоянно пересчитывает, насколько одно событие вероятно с учётом новых данных и делает это по строгим математическим правилам.

Одно из базовых – формула Байеса.

Но при этом для большинства это остаётся просто формулой из учебника, без понимания, как она реально применяется в ML. Именно поэтому мы решили взять эту тему на вебинар, который проведем 14 мая в 19:00 МСК.

Спикер вебинара Сергей Жестков (10+ лет преподавания, курсы для Сбера, Тинькофф, Otus и Skillbox, дважды «Преподаватель года» МФТИ), он же преподаватель курса «Математика для ML».

На вебинаре мы разберём формулу Байеса на конкретных примерах, чтобы у вас не осталось вопросов, как модель:
▪️оценивает вероятность;
▪️учитывает новые данные;
▪️и меняет своё решение.

Кому будет полезен вебинар:
— тем, кто хочет войти в ML, но откладывает из-за математики;
— тем, кто уже пробовал обучать модели, но не до конца понимает, что происходит внутри;
— тем, кто готовится к собеседованиям.

14 мая в 19:00 МСК
Вебинар бесплатный, с вас только регистрация: https://t.me/ml_insideBot?start=web140526

P.S. А всем, кто придёт на вебинар, мы подарим скидку на курс и чек-лист с самопроверкой вашего уровня математики для ML