-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

✍️ Очередной разбор задач

1️⃣ Для нахождения градиента функции f(u,v)=u*v+1 в точке (1,2) нам нужно сначала вычислить частные производные функции по u и v, а затем оценить их значения в этой точке. Результатом будет вектор.
Вычислим частную производную по u. Она будет равна v. В точке (1, 2) это даёт 2. Теперь вычислим частную производную по v. Она будет равна u. В точке (1, 2) это даёт 1. Таким образом, градиент функции равен (2, 1).
2️⃣ Здесь решение будет вычисляться по формуле σ(1⋅1+2⋅(−1)+1). Каждый вход умножается на соответствующий вес. Эти значения суммируются и к ним прибавляется единица. От полученного выражения вычисляется сигмоида. В результате значение на выходе из нейрона будет равно 0.5.
3️⃣ В этом квизе new_row.to_frame().T преобразует new_row в DataFrame и транспонирует его (меняет строки и столбцы местами), чтобы привести к формату, подходящему для добавления в df. Затем используется функция pd.concat() для объединения исходного DataFrame df с новым DataFrame. Параметр ignore_index=True указывает, что индексы в результирующем DataFrame должны быть переопределены.
Затем используется метод loc для доступа к элементу в строке с индексом 3 и в столбце 'C'. Это значение равно 9.0.

#разбор_задач

🤖 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👈