MLinside
Начать обучение
Временная иллюстрация: Антон напряжённо смотрит на формулу
Знакомьтесь: Антон. Разработчик. Хочет в ML.Антон. Хочет в ML
Так. Это что, эльфийский?
23:40. Третья статья про спам-фильтры подряд23:40. Третья статья подряд
P(A | B)= P(B | A) · P(A)P(B)
?!
MLinside · курс в 29 видеоуроках

Математика для машинного обучения

Научитесь не просто разбираться в формулах, а понимать математику, на которой строится ИИ. История в 6 выпусках — смотрите в своём темпе.

Начать обучение Помочь Антону
Записанные видеоурокиТесты с автопроверкойПодписка от 1 месяца
Глава 1 · Неизвестный язык

Знакомая история?

Кадр 1
Как работает логистическая регрессия: объясняем просто
Антон открывает статью. Первые два абзаца — понятно и даже интересно.
Кадр 2
σ(z)= 11 + e−z
Третий абзац. Формула на полэкрана и фраза «очевидно, что…».
Кадр 3
Ладно. Посмотрю потом.
Вкладка закрыта. «Потом» не наступает уже третий месяц.

Дело не в способностях. Формулы — это язык со своим алфавитом и грамматикой. Его можно выучить, и для ML нужен не весь язык, а конкретный словарь.

Глава 2 · Первый перевод

Переведём одну фразу

Это правило, по которому обучается большинство ML-моделей. Нажмите на любой символ.

Нажмите на символ · {{ tokCount }}
{{ ann.title }} {{ ann.text }} {{ ann.lesson }}
Антон{{ antonLine }}
Глава 3 · Мини-задача · около минуты

Дело о подозрительном письме

Цель Оценить вероятность того, что письмо — спам, с точностью ±10%
Утро. Входящие
От: promo-best-offer Только сегодня: бесплатно всё, что вы хотели
Фильтр должен решить: в спам или во входящие?
Что известно
10%всех писем — спам
8/10спам-писем содержат слово «бесплатно»
1/10обычных писем — тоже
Временная иллюстрация: Антон напряжённо смотрит в ноутбук
Раз 8 из 10 спам-писем со словом «бесплатно», то это спам на 80%. Логично же?
Какова вероятность, что это письмо — спам?
{{ guessText }}
0% · точно нет100% · точно спам
Проверить Попробовать снова
{{ verdict.title }} {{ verdict.text }}
Проверим на 100 письмах
спам обычное письмо есть слово «бесплатно»
Писем со словом: {{ cnt.word }} Из них спам: {{ cnt.sw }} {{ cnt.sw }} / {{ cnt.word }} ≈ {{ cnt.post }}
Эксперимент: а если спама больше?
Сделайте оценку и нажмите «Проверить» — письма раскроются.
Расшифровка · нажмите на часть формулы
= ·
= {{ num.line }}
{{ focusText }}

Вы только что применили формулу Байеса: обновили уверенность, когда узнали новый факт о письме.

Слово «бесплатно» встречается в спаме часто, но обычных писем в 9 раз больше — и они дают почти столько же совпадений. Поэтому ответ около 47%, а не 80%. По такому принципу работает наивный байесовский классификатор — один из классических спам-фильтров.

Где это в курсе Видео 22 — Формула Байеса Перед ним: условная вероятность (видео 20) и формула полной вероятности (видео 21)
Хотите разобраться, почему это работает? Смотреть выпуск №5
После курса

Что Вы будете понимать

01 · Видео 2–13
f′(x) Математический анализ Разберётесь в функциях и производных, поймёте их геометрический смысл и научитесь исследовать функции. Освоите экстремумы и градиенты — базу, на которой строятся алгоритмы машинного обучения. В ML: обучение моделей градиентным спуском
02 · Видео 14–17
A·B Линейная алгебра Научитесь работать с матрицами и детерминантами, поймёте их роль в ML и сможете применять линейную алгебру для решения практических задач. В ML: датасет как матрица, прогнозы как умножение матриц
03 · Видео 18–28
P(A|B) Теория вероятностей Поймёте, как работают вероятности и распределения, разберётесь со случайными величинами и ключевыми теоремами — основой для анализа данных и построения моделей. В ML: вероятностные прогнозы, метрики, A/B-тесты
Кому подойдёт
Новичкам в MLРазберётесь в базовой математике: функции, производные, вероятности — и подготовитесь к старту в машинном обучении.
АналитикамПоймёте основы теории вероятностей — и начнёте осознанно работать с ML-моделями.
РазработчикамОсвоите базовые методы оптимизации и линейную алгебру — и глубже разберётесь в алгоритмах машинного обучения.
Программа · 29 видеоуроков

Шесть выпусков одной истории

Выберите выпуск — откроются его уроки и то, зачем это в ML.

Содержание
{{ openCh.label }} · {{ openCh.count }}
{{ openCh.title }} {{ openCh.tags }}
{{ openCh.glyph }}
Антон{{ openCh.quote }}
Видео {{ l.n }} {{ l.title }} {{ l.dur }} мин
Где это в ML {{ openCh.ml }}

Названия и длительность уроков — по документу «Примерная программа по видео». Выпуски — творческая группировка, порядок уроков сохранён.

Формат обучения

Учитесь, когда удобно

Фрагмент урока Место под видео — материал будет добавлен
29 видеоуроковзаписаны заранее, по 2–15 минут
Свой темпбез расписания и дедлайнов
Платформавсе материалы курса в одном месте
Тестыс автоматической проверкой
Чат студентовс кураторами
Без проверки ДЗперсональной проверки заданий нет — знания проверяют тесты
Преподаватель

Кто ведёт курс

{{ t.role }}
Фото преподавателя
{{ t.name }} {{ t.note }}
{{ it }}
Отзывы

Истории других читателей

Имя выпускникароль, компания
Имя выпускникароль, компания
Имя выпускникароль, компания
Подписка

Развилка

Курс доступен по подписке. Выберите срок и один из двух путей: только математика или вся специализация.

Срок подписки
{{ pl.tag }}
Подписка {{ pl.title }}
{{ pl.quote }}
{{ it }}
{{ md.name }} — {{ md.desc }}
{{ pl.price }} {{ pl.note }}
Начать обучение
Подписка продлевается автоматически после окончания оплаченного периода. Эту опцию можно отключить в личном кабинете или при оплате.
Последняя глава. Та же статья, неделю спустя
P(A | B)= P(B | A) · P(A)P(B)
P(A|B) — уверенность после улики P(B|A) — как часто улика бывает, если A верно P(A) — уверенность до улики P(B) — как часто улика бывает вообще

Теперь Антон это читает

А Вы прочитали её вместе с ним. Остальные выпуски — о функциях, производных, матрицах и вероятностях.

Начать обучение
Временная иллюстрация: Антон
Подождите. Это же просто: насколько я уверен после того, как увидел улику.
Частые вопросы

Остались вопросы?

Напишите нам в Telegram —
расскажем про курс
и ответим на все вопросы

Написать сообщение