🌟 Интерпретируемое машинное обучение — открытая книга от Christoph Molnar

Здесь можно найти ответы на многие вопросы по ML.
Вот некоторые из разделов:
— интерпретация нейросети
— дерево решений
— регрессия: линейная/логистическая

Большой упор сделан на подробное объяснение, поэтому детально разбираются такие кейсы:
— анализ комментариев на предмет спама
— построение модели регрессии по данным аренды велосипедов
— классификация причин возникновения рака

📎 Книга

@machinelearning_interview

⚡️ Простое объяснение сложных концепций AI и ML на пальцах

Держите подборку полезных анимаций от Tom Yeh
Профессор очень просто объясняет такие понятия как MoE, умножение матриц, работу MLP в PyTorch, прямое/обратное распространение, работу GAN, устройство векторной БД и много всего ещё

▶️ Анимации с объяснением

@machinelearning_interview

⚡️ Топ 100 вопросов по Data Science и ML с собеседований

Вот некоторые из этих вопросов:
— в чём суть метода случайного леса?
— расскажи про преобразование Бокса-Кокса
— что такое обучение с подкреплением?
— что показывает ROC-кривая?

▶️ Вопросы и ответы

@machinelearning_interview

🌟 Визуализация основных понятий Machine Learning

Здесь очень наглядно объясняются разные концепции ML — алгоритм классификации, матрица рассеяния, дерево решений и т.д.

▶️ Визуализация
🟡 А вот и 2 часть

@machinelearning_interview