🤖 Напоминаем, что у нас есть еженедельная email-рассылка, посвященная последним новостям и тенденциям в мире искусственного интеллекта.

В ней:
● Новости о прорывных исследованиях в области машинного обучения и нейросетей
● Материалы о применении ИИ в разных сферах
● Статьи об этических аспектах развития технологий
● Подборки лучших онлайн-курсов и лекций по машинному обучению
● Обзоры инструментов и библиотек для разработки нейронных сетей
● Ссылки на репозитории с открытым исходным кодом ИИ-проектов
● Фильмы, сериалы и книги

👉Подписаться👈

💬 Есть два типа людей, пишущих отзывы к фильмам: дотошные и ленивые. Дотошных в популяции 80%. Они оценивают 60% посмотренных фильмов как хорошие и 40% как плохие. Ленивых в популяции 20%. Они оценивают 100% фильмов как хорошие. Какова вероятность того, что некоторый фильм будет оценён как хороший?

✍️ Разбор сложных задач прошедшей недели

1️⃣ Как узнать произведение вектора на матрицу?
Сначала нужно проверить, совпадает ли число элементов в векторе с числом строк в матрице. В нашем примере есть вектор A размером 3 и матрица B размером 3x3, что делает умножение возможным.
Каждый элемент вектора умножается на соответствующий элемент строки матрицы, и результаты суммируются, чтобы получить новый элемент результата.
✔️Первый элемент: (1 * 3) + (2 * 2) + (3 * 1) = 3 + 4 + 3 = 10
✔️Второй элемент: (1 * 2) + (2 * 1) + (3 * 3) = 2 + 2 + 9 = 13
✔️Третий элемент: (1 * 1) + (2 * 3) + (3 * 2) = 1 + 6 + 6 = 13
Результат — [10, 13, 13].
2️⃣ У синтаксиса Python есть особенность. Символы {} используются для создания и словарей, и множеств. Но есть нюанс. Однако если мы хотим создать пустое множество, то такой способ уже не сработает. Необходимо воспользоваться конструкцией s = set(). Конструкция s = {} создаст пустой словарь.
3️⃣ Изолирующий лес позволяет искать выбросы в данных. С геометрической точки зрения дерево-классификатор разбивает пространство признаков на зоны прямоугольного вида. И когда мы ставим какую-то новую точку-объект, то она попадает в одну из зон.
Представим, что дерево строит эти прямоугольные зоны произвольным образом. Тогда мы будем считать, что объект изолировался, если дерево построило прямоугольник, в который попал только этот объект. Чаще всего такое происходит, если объект лежит где-то на периферии, то есть проще всего изолировать выбросы.
Для алгоритма изолирующий лес нужно:
▪️Построить N деревьев.
▪️Каждое дерево строится до исчерпания выборки.
▪️Для ветвления в дереве выбирается случайный признак и случайное значение для расщепления.
▪️В конце концов для каждого объекта считается мера нормальности — среднее арифметическое глубин листьев, в который он попал, или изолировался. Выбросы будут попадать в листья на более ранних этапах построения дерева.

#разбор_задач

🧑‍💻 Статьи для IT: как объяснять и распространять значимые идеи

Напоминаем, что у нас есть бесплатный курс для всех, кто хочет научиться интересно писать — о программировании и в целом.

Что: семь модулей, посвященных написанию, редактированию, иллюстрированию и распространению публикаций.

Для кого: для авторов, копирайтеров и просто программистов, которые хотят научиться интересно рассказывать о своих проектах.

👉Материалы регулярно дополняются, обновляются и корректируются. А еще мы отвечаем на все учебные вопросы в комментариях курса.

-35% на самый хардкорный курс по вышмату

🎄 Новый год начинается с подарков, а хороший подарок для себя — новые знания со скидкой 35%!

🌟«Математика для Data Science» — 19 490 ₽ (вместо 29 990 ₽)

Полугодовая программа от преподавателей МГУ, которая включает в себя все необходимые знания по математике для работы в Data Science.

Вас ждет развернутая обратная связь по всем домашним заданиям, а также ссылки на полезные дополнительные материалы.

У вас не будет шансов не усвоить какие-то темы курса👌

🔥 Переходите и активируйте вводные занятия курса — https://proglib.io/w/4468ec03