Velikost videa: 1280 X 720853 X 480640 X 360
Zobrazit ovladače přehrávání
Automatické přehrávání
Přehrát
Тема лекции: Линейная регрессии. Градиентный спуск.Тайм-коды:00:05 Линейная регрессия04:32 Функционалы ошибок в задачах регрессии 04:58 MSE, RMSE, R2 10:30 MAE 14:50 MSLE, MAPE, SMAPE20:20 Обучение. Аналитическое решение. Проблема обращения матриц26:06 Gradient Descent (GD)34:50 Stochastic Gradient Descent (SGD)40:44 Stochastic Average Gradient (SAG)45:18 Проблема градиентной оптимизации 46:42 Nesterov Momentum50:06 Проблема выбора Learning rate 51:54 AdaGrad 54:26 RMSProp56:24 Оценка ошибки модели 57:10 Training Sample and Validation Sample 57:40 Cross-validation58:56 Регуляризация
Супер, спасибо!
Парень толково объясняет, жаль только что не все сразу понимаю)
укажите тему в названиях видео, очень неудобно перелистывать все лекции в поисках нужной
а где можно посмотреть лекцию 1?
нашел?
czcams.com/video/WH6VDBwCw7E/video.html
Denis Morozov спасибо
@@sashakaralchuk2667 Пожалуйсто
@@Denis-bj7ob мб есть практические задания к этим видосам
Приглашаем в группу по методаммашинного обучения и Data Science - без формул: vk.com/dm_azforus
Тема лекции: Линейная регрессии. Градиентный спуск.
Тайм-коды:
00:05 Линейная регрессия
04:32 Функционалы ошибок в задачах регрессии
04:58 MSE, RMSE, R2
10:30 MAE
14:50 MSLE, MAPE, SMAPE
20:20 Обучение. Аналитическое решение. Проблема обращения матриц
26:06 Gradient Descent (GD)
34:50 Stochastic Gradient Descent (SGD)
40:44 Stochastic Average Gradient (SAG)
45:18 Проблема градиентной оптимизации
46:42 Nesterov Momentum
50:06 Проблема выбора Learning rate
51:54 AdaGrad
54:26 RMSProp
56:24 Оценка ошибки модели
57:10 Training Sample and Validation Sample
57:40 Cross-validation
58:56 Регуляризация
Супер, спасибо!
Парень толково объясняет, жаль только что не все сразу понимаю)
укажите тему в названиях видео, очень неудобно перелистывать все лекции в поисках нужной
а где можно посмотреть лекцию 1?
нашел?
czcams.com/video/WH6VDBwCw7E/video.html
Denis Morozov спасибо
@@sashakaralchuk2667 Пожалуйсто
@@Denis-bj7ob мб есть практические задания к этим видосам
Приглашаем в группу по методам
машинного обучения и Data Science - без формул: vk.com/dm_azforus