[ЛЕКЦИЯ 3, Линейная регрессия II] За пределами нормальных уравнений: градиентный спуск (Введение ...

В этой лекции из нашей серии по машинному обучению мы освоим градиентный спуск, начиная с его матричной формулировки и заканчивая практическими вариантами (BGD, SGD и мини-пакетный подход), а также завершим увлекательным бонусом — историей обоснования Карлом Фридрихом Гауссом среднеквадратичной ошибки (MSE). Временные метки 00:00 Почему простота важнее интеллекта | Градиентный спуск превосходит нормальное уравнение 08:36 Наконец-то градиентный спуск обретает смысл | BGD, SGD, мини-пакетный подход 19:33 Инженеры без ума от этого распределения: но MSE появилось раньше. ============================================================== Все анимации в этом видео были созданы с помощью ManimGL и ManimCE, библиотеки анимации с открытым исходным кодом, написанной на Python. Более подробную информацию о проекте можно найти здесь: https://github.com/3b1b/manim, https://github.com/manimCommunity/manim manimCE: https://www.manim.community/ #МашинноеОбучение #MSE #ГрадиентныйСпуск #GAUSS I #manim #MLIntuition