🌟 Очень подробный Colab по Supervised Learning

Здесь приводится необходимая теория и пошагово реализуются такие алгоритмы как логистическая регрессия, SVM, дерево решений, метод k-ближайших соседей, мультиклассовая классификация и другие алгоритмы

🟡 Supervised Learning — Google Colab

@machinelearning_interview

🖥 Вопросы по Python c собеседований с уклоном в ML

Вот некоторые из вопросов:
— в чём отличие генератора от list comprehension
— реализуй алгоритм PCA
— какие ML-библиотеки ты знаешь, где они используются

🟡 Вопросы с ответами

@python_job_interview

📌 Отличный ресурс, где собрана масса примеров реализации ML-алгоритмов и их использования

Вот некоторые из тем и алгоритмов, которые тут освещаются
— обучение с учителем (линейная/полиномиальная регрессия, ...)
— алгоритмы классификации (логистическая регрессия, SVM, ...)
— файнтюнинг LLM
— метод CatBoosts
— анализ эмоциональной составляющей текста

▶️ Подборка по ML

@machinelearning_interview

🌟 Открытый курс по использованию Julia в ML от пражского университета

Это очень насыщенный курс по использованию Julia в Machine Learning, в частности для оптимизации обучения моделей и всего, что с этим связано

Курс состоит из 2 частей:

— Основы Julia

— Приложения Julia: основной акцент будет сделан на ML, но также тут рассматривается статистика и диффуры

🟡 Курс по Julia

@machinelearning_interview

🌟 Отличный сайт с полезными ресурсами по Machine Learning

Содержит наглядные лекции по таким темам ML как регрессия, классификация, нейросети, свёрточные нейросети и по другим темам
К лекциям прилагаются Jupyter Notebook'и, которые пошагово описывают реализацию и использование ML-алгоритмов

📎 Лекции + Jupyter Notebook'и + туториалы

@machinelearning_interview