Тренировки по ML. Лекция 1: Вводная по ML + knn

Задачи машинного обучения в очевидных и неочевидных местах. Формальная постановка задачи обучения с учителем. Основные понятия в машинном обучении.
Скалярное произведение, метрика, линейные пространства. Метод ближайших соседей.

[vbolt]

Непривычно радостно что лектор говорит присказками, а не школьник)))

[looksonkarl]

Очень интересно. От себя добавлю что мне нехватило того как эта теория используется на простых практических примерах. В первый части с этим отлично во второй не хватает.

[fuck_off_]

Вопросом про сигмойду тоже на днях задался) А потом вспомнил что нам надо +- бесконечность в 0:1 перевести.
Отлегло)

[gisu]

Здравствуйте! Можно ссылки на материалы по линейной алгебре и теорверу?

[sticktogether]

А где миллион обещанных ссылок на ресурсы, которые будут полезны для изучения? По матстату, теорверу и прочее

[fedormaximoff]

Люди, которые пишут "очень интересно". Я отношусь к тем, кому подобное нужно, как минимум, просмотреть пару раз, поэтому очень прошу ответить на пару вопросов.
Это видео для вас и правда легкое чтиво? Какой у вас опыт в МЛ и вообще в программировании? Вы понимаете, как будете использовать информацию из этого видео в будущем? Вам достаточно один раз увидеть это, чтобы воплотить эту идею на практике?
Спасибо за ответы, и, конечно, огромное спасибо яндексу за этот курс. Не знаю, что я забыл в этой профессии с таким дефицитом внимания, что не могу даже сосредоточиться на лекции, но, надеюсь, когда-нибудь я все это пойму.