DataMListic
Welcome to DataMListic (former WhyML)! On this channel I explain various ML concepts that I encounter in my learning journey. Enjoy the ride! ;)
The best way to support the channel is to share the content. However, If you'd like to also support the channel financially, donating the price of a coffee is always warmly welcomed! (completely optional and voluntary)
► Patreon: https://www.patreon.com/datamlistic
► Bitcoin (BTC): 3C6Pkzyb5CjAUYrJxmpCaaNPVRgRVxxyTq
► Ethereum (ETH): 0x9Ac4eB94386C3e02b96599C05B7a8C71773c9281
► Cardano (ADA): addr1v95rfxlslfzkvd8sr3exkh7st4qmgj4ywf5zcaxgqgdyunsj5juw5
► Tether (USDT): 0xeC261d9b2EE4B6997a6a424067af165BAA4afE1a
Z-Image: эффективная модель генерации изображений с однопотоковым диффузионным преобразователем
LightRAG: Простое и быстрое извлечение данных с расширенной генерацией — бумажное руководство
Алгоритм Баума-Велча | Скрытые марковские модели. Часть 4
Возвращение к основам: генеративные модели шумоподавления Denoise — бумажное пошаговое руководство
SAM 3D: 3Dfy: всё, что есть в изображениях — бумажное руководство
Depth Anything 3: Восстановление визуального пространства из любых видов — бумажное пошаговое рук...
Треугольные матрицы и LU-разложение — объяснение
Вложенное обучение: иллюзия архитектур глубокого обучения — краткий обзор
Интервью с использованием машинного обучения: ковариация против корреляции (вопрос 15)
Матрица идентичности — объяснение
Взлом интервью по машинному обучению: механизм самовосприятия (вопрос 14)
Матрицы вращения и отражения — пояснения
Интервью по машинному обучению: точность, полнота и оценка F1 (вопрос 13)
Ортогональные матрицы — объяснение
Интервью по машинному обучению: ROC и AUC (Вопрос 12)
Симметричные матрицы и положительная определенность
Взлом интервью по машинному обучению: K-Fold Cross Validation (Вопрос 11)
Категориальное распределение — фрагменты машинного обучения
Матрица Гессе — объяснение
Взлом интервью по машинному обучению: Пакетная нормализация (Вопрос 10)
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)