Скільки треба знати математики, щоб стартувати в ML?

Відповідь вас здивує 👇🏼

Насправді для старту потрібна ваша шкільна/університетська база:

👉🏼 Статистика: середнє, медіана, дисперсія, кореляція

Вона тут для того, щоб розуміти отримані дані: де типовий користувач, де аутлаєр, чи є звʼязок між ознаками і чи реально ваша модель стала кращою

👉🏼 Лінійна алгебра: вектори, матриці та операції з ними

Часто дані в ML представлені у вигляді векторів та матриць. Умовно той же Netflix, коли підбирає вам фільм, користується математичними операціями з представленнями користувачів та фільмів.

👉🏼 Матаналіз: функції, похідні, градієнти. Як модель навчається знаходити параметри, за яких помилка стане меншою.

Ііііі…на цьому все. Тобто виходить, що вам не треба витрачати роки, щоб написати першу ML-модель.

Математику МОЖНА вчити паралельно з машинним навчанням.

Розібрали похідну ➡️ одразу вивчили як вона спрацьовує на практиці

Вивчили кореляцію ➡️ застосували її на даних

Ми на курсі так і будуємо наше навчання: ви вивчатимете всю необхідну математику на практиці саме там, де вона потрібна в конкретній ML-задачі.

Тому якщо ви давно придивляєтеся до ML, але не розумієте, чи вистачає вам необхідної бази – пишіть ➕ в коментарях.

Наша команда проконсультує з приводу усіх можливих питань до курсу 👇🏼