
The post has been translated automatically. Original language: Russian Russian
Our graduates have prepared lists of basic terms that should be studied (or remembered) before diving into the world of Machine Learning.
1️⃣ Basic concepts
* Limit and derivative
* The geometric meaning of the derivative
* Operations in vector spaces
* Matrix operations
* Systems of linear equations
* Gradient, gradient application, gradient descent
* Probability theory and statistics:
— Random variable and probability
— Mathematical expectation and variance (discrete and continuous cases)
— Standard deviation
2 . Useful concepts
* Derivative of a complex function
* Finding the extreme
* Second derivative and convexity
* Linear independence
* Rank and determinant
* Confidence intervals
It is ideal to know everything, otherwise a number of statements in the derivation of ML algorithms will need to be taken (as axioms) on faith.
Action items
1️⃣ Save the checklist for preparation
2️⃣ Like us to motivate the preparation of the list of references 📚
#work #study
Наши выпускники подготовили списки базовых терминов, которые следует изучить (или вспомнить), прежде чем погружаться в мир Machine Learning.
1️⃣ Базовые понятия
* Предел и производная
* Геометрический смысл производной
* Операции в векторных пространствах
* Матричные операции
* Системы линейных уравнений
* Градиент, применение градиента, градиентный спуск
* Теория вероятностей и статистика:
— Случайная величина и вероятность
— Математическое ожидание и дисперсия (дискретный и непрерывный случаи)
— Среднеквадратическое отклонение
2️⃣ Полезные понятия
* Производная сложной функции
* Нахождение экстремума
* Вторая производная и выпуклость
* Линейная независимость
* Ранг и определитель
* Доверительные интервалы
Идеально знать все, иначе ряд утверждений при выводе алгоритмов ML нужно будет принимать (как аксиомы) на веру.
Action items
1️⃣ Сохранить чек-лист для подготовки
2️⃣ Поставить нам лайк для мотивации подготовки списка литературы 📚
#work #study