The conceptual Mathematics behind #MachineLearning with example-based learning.

📓 book

@data_math

👨‍🎓 Статистика 110: Теория Вероятности от Гарвардского университета.

Несомненно, один из лучших курсов по теории вероятностей в Интернете!

youtube.com/playlist?list=PL2SOU6wwxB0uwwH80KTQ6ht66KWxbzTIo

@data_math

Изучите основы теории вероятностей и статистики c Университетом Брауна.

Они предоставляют наглядные визуализации, которые помогут вам в обучении.

И это 100% БЕСПЛАТНО

🔗https://seeing-theory.brown.edu

@data_math

💻 Изучайте Математику для Data Science бесплатно с помощью этих бесплатных курсов с Udacity

1. Linear Algebra Refresher Course
2. Intro to Statistics
3. Intro to Inferential Statistics
4. Intro to Descriptive Statistics
5. Eigenvectors and Eigenvalues
6. Intro to Artificial Intelligence
7. Differential Equations in Action

📌 Список

@data_analysis_ml

💥 Аттрактор Айзавы. Простое уравнение, но красивый хаотический узор.

https://www.dynamicmath.xyz/strange-attractors/

@data_math

⚡️ Introduction To Linear Algebra"

Очень крутой учебник по линейной алгебре профессора Гилберта Стрэнга из MIT.

📚 Книга

@data_math

Комбинаторная математика

1. Правила комбинаторики. Комбинаторная математика.
2. Генерация комбинаторных объектов. Комбинаторная математика.
3. Классы P, N и NPC. Комбинаторная математика.
4. Основные определения и свойства графов. Комбинаторная математика.
5. Ориентированные графы. Комбинаторная математика
6. Эйлеровы и гамильтоновы графы. Комбинаторная математика
7. Раскраска графов. Комбинаторная математика
8. Триангуляция Делона и диаграмма Вороного. Комбинаторная математика
9. Минимальное остовное дерево. Комбинаторная математика
10. Количество остовных деревьев. Комбинаторная математика


#video #math

https://www.youtube.com/watch?v=EEIpjY0v7k4&list=PLAyGZSpiecFosLLmmYczCpNPFQHCAkV8A&ab_channel=%D0%98%D0%BD%D1%81%D1%82%D0%B8%D1%82%D1%83%D1%82%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%BD%D1%8B%D1%85%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BCI%D0%99%D0%BE%D1%88%D0%BA%D0%B0%D1%80-%D0%9E%D0%BB%D0%B0

📚 InternLM-Math

InternLM-Math: Открытые математические модели большого языка для решения мат. задач и рассуждения над решениями.

Github: https://github.com/InternLM/InternLM-Math
Статья: https://arxiv.org/abs/2402.06332

@data_math

👩‍🎓 Полезный курс комбинаторики на YouTube

Вопросы по комбинаторике могут задавать на собеседовании, она нужна при поступлении в ШАД, а ещё в целом неплохо знать её, чтобы понимать суть машинного обучения.

Это бесплатный плейлист с лекциями от Райгородского Андрея Михайловича, директора Физтех-школы прикладной математики и информатики МФТИ. Включает:
▫️Введение в комбинаторику, часть 1 и часть 2
▫️Комбинаторные тождества
▫️Формула обращения Мёбиуса
▫️Циклические последовательности
▫️Оценки и асимптотики для факториалов и чисел сочетания
▫️Рекуррентные соотношения
▫️Числа Фибоначчи
▫️Линейные рекуррентные соотношения
▫️Отношения эквивалентности
▫️Техника формальных степенных рядов
▫️Введение в графы
▫️Эйлеровы графы. Деревья
▫️Теорема об эквивалентности определений дерева

📚 Книга: Everything You Always Wanted To Know About #Mathematics*

▪Книга

@data_math

🧮 OpenMathInstruct-1: A 1.8 Million Math Instruction Tuning Dataset

OpenMathInstruct-1 - это новый синтетический датасет от NVIDIA для настройки математических моделей, содержащий 1,8 млн пар "задача-решение".


> Используются обучающие датасеты GSM8K и MATH.
> Для создания ланных используется Mixtral 8x7B.
> Модель использует текстовые рассуждения + интерпретатор кода при генерации.
> Выпущены LLama, CodeLlama, Mistral, Mixtral fine-tunes.
> Лицензия Apache 2.0!

Блестящая работа команды Nvidia AI - 2024 год станет годом синтетических данных и еще более мощных моделей! 🔥

▪Dataset: https://huggingface.co/datasets/nvidia/OpenMathInstruct-1

▪Paper: https://huggingface.co/papers/2402.10176

ai_machinelearning_big_data

🎓 GAlgebra


Пакет символьной геометрической алгебры/вычислений для SymPy.

from sympy import symbols
from galgebra.ga import Ga

o3d = Ga('e', g=[1,1,1], coords=symbols('x,y,z',real=True))
(grad,rgrad) = o3d.grads()

https://galgebra.readthedocs.io/en/latest/

@data_math

Математика

1. Самые большие числа
2. Сделал генетический алгоритм | симуляция ЭВОЛЮЦИИ
3. ИИ учится ходить
4. Симуляция естественного отбора
5. Что будет, если взять корень из отрицательного числа? | Фракталы
6. Пишем свой движок 3D-графики
7. Сделал симуляцию черной дыры в 3D
8. Что больше бесконечности?
9. Как выглядит самая сложная задача математики? Фрактал Коллатца

#video #math

https://www.youtube.com/watch?v=qsbQki6Ikfo&list=PLyc_E1fmJGpIqWsdgX-j5RxIX1M225UlD&ab_channel=Onigiri

@data_math

💡 Математика, при правильном не нее взгляде, обладает не только истиной, но и высшей красотой — красотой холодной и суровой, подобно скульптуре, не обращенной ни к какой стороне нашей слабой натуры, лишенной украшений живописи и музыки, и тем не менее утонченно чистой и способной к строгому совершенству, свойственному лишь величайшему искусству. Истинный дух восторга, блаженства, чувства что ты больше, чем Человек, каковое есть критерий высшего совершенства, присутствует в математике так же несомненно, как и в поэзии.

— Бертран Рассел.

@data_math

⚡️ Awesome Open-source Machine Learning for Developers

Если вы разработчик, стремящийся быстро создавать продукты для машинного обучения, этот репозиторий может вам помочь

https://github.com/merveenoyan/awesome-osml-for-devs

@data_math