Часто можно услышать, что английский необходимо учить, если ты работаешь в IT. Но далеко не всегда есть такая возможность. Кому-то не хватает времени, кому-то практики, а кому-то просто удобных сервисов под рукой для комфортного изучения. Мы совместно с hexlet.io решили провести вебинар с Анной Новосёловой — преподавателем английского языка, составителем индивидуальных и групповых программ и учебных материалов.
Напишем нейросеть с нуля на Python и обучим её алгоритмом градиентного спуска.
Применим её к датасету The Wisconsin Cancer Data-set и предскажем по 9 различным признакам, является ли опухоль доброкачественной или злокачественной.
Подробнее исследуем, как работает градиентный спуск и метод обратного распространения ошибки.
Рассмотрим основы и изучим более сложные идеи. В части 1 мы разберёмся с архитектурой нашей нейросети, в части 2 напишем её на Python и глубже посмотрим на обратное распространение и градиентный спуск, а в части 3 применим её к The Wisconsin Cancer Data-set.
Ученые из бесчисленных областей обращаются к алгоритмическому анализу данных, Патрик Райли из Google призывает к четким стандартам научных исследований и отчетов.
Инженеры TAE Technologies и Google в Калифорнии используют машинное обучение для оптимизации оборудования, производящего высокоэнергетическую плазму. Источник: Liz Kuball.
Ровно год назад мы — небольшое сообщество — собрались, чтобы переводить на русский самые крутые образовательные курсы, что есть в открытом доступе (например, физика Уолтера Левина). Без денег — просто интерес. И сегодня мы к вам — с надеждой, что вам понравится, что мы делаем.
Вместо КДПВ — озвученное нами видео 3blue1brown (да-да, мы договорились о переводе с автором самых крутых на Youtube видео про математику-физику-информатику).
