Да, конечно, вы правы, можно написать и более короткие решения, но на экзамене важно, чтобы все промежуточные шаги были прописаны. Так, в решении (а) на экзамене нужно было бы ещё объяснить, почему f(x) = 2x + o(x) — это совсем просто, но всё же это важный шаг решения, без него полного балла мы бы не поставили. Что касается решения (б), оно потенциально опасно, потому что не позволяет проверяющему понять, правда ли решающий понимает, почему в данной ситуации можно заменить f(x) на 2sin(x) под знаком предела, или искренне заблуждается, и задача в итоге может быть не засчитана.
В целом, программа для поступающих остаётся актуальной: yandexdataschool.ru/admission/adm-program
Обо всём, что там упоминается, стоит иметь некоторое представление; при этом по алгоритмам для нового трека в программу добавлены дополнительные темы. Постараемся вскоре поделиться пробным вариантом письменного экзамена, чтобы вы смогли лучше понять, чего мы ожидаем от поступающих; на Дне открытых дверей тоже планируем рассказать об этом чуть более развёрнуто.
Если приводить конкретный пример, то, скажем, один из популярных классов генеративных моделей – VAE (вариационные автокодировщики) – вряд ли можно было бы придумать (и даже, наверное, использовать нелегко) без хорошего владения теорией вероятностей и матанализом. Пример ещё проще: метод обратного распространения ошибки легко сформулировать и понять на матричном языке, но довольно тяжко без него.
В целом, по мере развития инструментов машинного обучения использовать его становится всё проще и без математического аппарата, но чтобы создавать новые методы или даже глубоко разбираться в существующих она всё-таки нужна; без этого машинное обучение может превращаться в набор эвристик, которые чудесным образом иногда работают, а иногда нет.
Победителей может быть много. Так, если играют три команды А, В и С, причём А выиграла у В, В выиграла у С, а С выиграла у А, то все три команды являются победителями.
Спасибо, что обратили внимание. К сожалению, правильные формулы потерялись в процессе оформления. Жаль, конечно, что Хабр не поддерживает TEX. Я всё поправил.
Обо всём, что там упоминается, стоит иметь некоторое представление; при этом по алгоритмам для нового трека в программу добавлены дополнительные темы. Постараемся вскоре поделиться пробным вариантом письменного экзамена, чтобы вы смогли лучше понять, чего мы ожидаем от поступающих; на Дне открытых дверей тоже планируем рассказать об этом чуть более развёрнуто.
В целом, по мере развития инструментов машинного обучения использовать его становится всё проще и без математического аппарата, но чтобы создавать новые методы или даже глубоко разбираться в существующих она всё-таки нужна; без этого машинное обучение может превращаться в набор эвристик, которые чудесным образом иногда работают, а иногда нет.