DataMListic

Взлом интервью по машинному обучению: регуляризация L1/L2 (вопрос 9)

Взлом интервью по машинному обучению: пропуск уровня соединения (вопрос 8)

Матрица Якоби — объяснение

Взлом интервью по машинному обучению: функции активации в нейронных сетях (вопрос 7)

Базы данных векторов и поиск векторов — фрагменты ML

Взлом интервью по машинному обучению: сверточные нейронные сети (вопрос 6)

Взлом интервью по машинному обучению: стохастический градиентный спуск (вопрос 5)

Интервью по машинному обучению: решение уравнения линейной регрессии (вопрос 4)

Statistical Moments: Mean, Variation, Skewness, Kurtosis

Cracking ML Interviews: Underfitting vs Overfitting (Question 3)

Binomial Distribution - ML Snippets

Cracking ML Interviews: Maximum Likelihood Estimation (Question 2)

Cracking ML Interviews: Bayes Theorem Exercise (Question 1)

Simpson's Paradox - Explained

Frequentist vs Bayesian Thinking

L1 Regularization - ML Snippets

Kernel Density Estimation - Explained

t-SNE Intuition - ML Snippets

Accept-Reject Sampling - Explained

Dirichlet Distribution - Explained

Kernel Trick - ML Snippets

Cross-Entropy - ML Snippets

Markov Chain Monte Carlo (MCMC) - Explained

Bernoulli Distribution - ML Snippets

Gaussian Distribution - ML Snippets

Bayes' Theorem - Explained

Markov Chains - ML Snippets

Taylor Series - Explained

Linear Regression (Least Squared Errors) - Explained

Monte Carlo Simulation - Explained