🤓 Математика под капотом #MLSTART

Многие стараются сразу перейти к моделям и кодингу, но в какой-то момент всё равно упираешься в то, что без математики дальше не продвинешься.

Не обязательно уходить в теорию с головой, но понимать, почему что-то работает - важно. Понимание принципов работы ML-алгоритмов поможет тебе точечно подбирать нужные инструменты под задачу, а не "стрелять из пушки по воробьям".

📖 Освежить теорию мне лично помогает воркбук от Яндекса. Это аккуратный, структурный разбор базовых концепций машинного обучения. Типы задач и моделей, обучение и переобучение, регуляризация, метрики и фукнции потерь - все есть.

🎓 Если захочется копнуть глубже - есть курс “Математические основы машинного обучения” от Воронцова (МФТИ): там еще больше линейной алгебры, теории вероятностей, оптимизации - одним слово, база. Очень много математики, но если разобраться и понять, то можно натренировать сильную интуицию, которая пригодиться в решении ML-задач.

Вернуться к оглавлению

👩‍💻 Data Flow