Векторы и матрицы, скалярное произведение, умножение матриц, собственные векторы и SVD.
Практика. Реализовать линейную регрессию в матричной форме на NumPy и сравнить с scikit-learn.
Практика. Реализовать PCA через SVD на NumPy и сжать изображение, сравнив качество при разном числе компонент.
Три опоры: линейная алгебра — данные это матрицы, модель — умножение матриц, эмбеддинги — векторы, сходство — скалярное произведение; математический анализ — градиент показывает…
PCA находит новые оси — главные компоненты — вдоль которых данные изменяются сильнее всего, и проецирует данные на первые несколько из них. Применение: сжатие признаков, борьба с…
Эмбеддинг — вектор чисел, в котором тексты близкие по смыслу оказываются близко в пространстве.
На живом собеседовании sotto слышит вопрос интервьюера и показывает короткий ответ и план. Оставьте контакт — пришлём доступ и промокод.
sotto