Основы машинного обучения, лекция 6 — градиентный спуск

Основы машинного обучения – семинар 4 (ИАД-7)

Введение в анализ данных, лекция 7 — стохастический градиентный спуск, линейная классификация

Основы машинного обучения, лекция 4 — метод k ближайших соседей, линейные модели

10.12.2025 Техники оптимизации первого порядка. Оптимизации. Математический анализ.Машинное обучение

2.1 Глубокое обучение и вообще: 50 оттенков градиентного спуска

Основы машинного обучения, лекция 5 — линейные модели, регуляризация

LLM fine-tuning или ОБУЧЕНИЕ малой модели? Мы проверили!

21. Введение в стохастические градиентные методы. Батч, эпоха. Сходимость SGD. МФТИ 2024

Как Победить тех, кто вас Не Уважает! Этот Еврейский способ работает всегда и со всеми!

Программа «Статус» с Екатериной Шульман и Максимом Курниковым | 16.12.2025

Почему не весь сыр одинаково полезен, что действительно важно знать

Тренировки по ML. Лекция 3: Линейная классификация, метод максимального правдоподобия

Основы машинного обучения, лекция 14 — градиентный бустинг

Основы машинного обучения, лекция 10 — логистическая регрессия, метод опорных векторов

Основы машинного обучения, лекция 8 — линейная классификация

Михаил Ходорковский и Максим Курников | Интервью BILD

Как строили корабли для мирового господства

Основы машинного обучения, лекция 2 — основные понятия и метод k ближайших соседей

Основы машинного обучения, лекция 11 — SVM, многоклассовая классификация

Что погубит человечество? И когда пора бежать с Земли — Владимир Сурдин