Большинство объяснений машинного обучения начинаются с нейронов, весов или градиентного спуска. Но есть одна деталь, без которой вся эта конструкция вообще не работает.
Откуда модель вообще узнаёт, что ошиблась?
Именно с этого, как мне кажется, и стоит начинать изучение машинного обучения.
В новой части книги я попытался объяснить это максимально просто и без фраз вроде "нейросеть сама обучается". Разбираем, что такое ошибка, почему она превращается в loss-функцию, зачем вообще нужны MSE и Log Loss, и как несколько строк математики становятся тем самым сигналом, который заставляет модель становиться лучше. Loss-функции являются центральным механизмом обучения современных моделей машинного обучения.
Если давно хотели понять, что происходит "под капотом" современных AI-моделей – буду рад, если почитаете.
