Самые важные алгоритмы в Мachine Learning, о которых нужно знать. Егор Швецов.

00:00 Стартуем! 00:15 О чём лекция? 01:30 Модель. Что это такое в общем смысле? 05:35 Люди как модель. 13:32 Вспоминаем функции. 18:21 Линейная модель. 22:14 Задача: спрогнозировать цену квартиры. 30:38 Задача: спрогнозировать цену квартиры. 31:59 Задача: посчитать MSE. 36:11 Как подбираются параметры для модели? 40:16 Признаки. 42:41 Только ли от площади зависит цена? 47:18 One Hot Encoding. 58:07 Метрики. 1:00:12 Валидация модели и переобучение. 1:09:42 Практика. 1:27:54 Про домашнее задание 1:29:22 О чём вторая половина лекции? 1:29:53 Перерыв. 1:37:05 Вопрос про нейросети. 1:39:20 Классификация. 1:41:07 Задача классификации или задача регрессии? 1:45:12 Классификация. 1:45:52 Задача классификации или задача регрессии? 1:46:24 Логистическая регрессия. 1:51:12 Дерево решений. 1:54:43 Повседневные примеры энтропии. 1:57:48 Подсчёт энтропии. 1:59:53 Как уменьшить энтропию? 2:06:02 Взяли джедаев и отсортировали по количеству побед (уменьшаем энтропию)... 2:10:09 Вот эта вся история и есть дерево решений. 2:10:14 Как алгоритм работает? 2:11:33 А теперь применим деревья, когда признаков два. 2:19:50 Machine Learning Playground. 2:22:04 На этом всё. Спасибо за внимание. Не забывайте подписываться на наш телеграм канал: [club224682145|@mathloversclub28] и наш ютуб канал! Егор Швецов. Семинар будет состоять из двух частей: 1. Линейная и логистическая регрессии - одни из самых основных концепций в современном машинном обучении, их реализация своими руками в Excel 2. Деревья решений, классический метод о котором нужно знать.