❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_226

🟡 Что такое баесовская оптимизация ? (Часть_4)

Типичный алгоритм баесовской оптимизации включает следующие шаги:

1. Инициализация: Начальная суррогатная модель строится на основе нескольких начальных наблюдений целевой функции.

2. Обновление модели: После каждой новой оценки целевой функции, суррогатная модель обновляется с помощью правила Байеса, чтобы лучше аппроксимировать поведение функции.

#BayesianOptimization #SurrogateMdel #BayesianUpdate #IterativeSearch #Exploration #Exploitation

🗣Чем больше шеров и лайков, тем активнее выкладываю посты !!!

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_226

🟡 Что такое баесовская оптимизация ? (Часть_5)

3. Выбор следующей точки: На основе текущей суррогатной модели, алгоритм определяет, в какой точке следует оценить целевую функцию в следующий раз. Для этого используются различные критерии, такие как ожидаемое улучшение (Expected Improvement) или верхняя доверительная граница (Upper Confidence Bound).

4. Оценка целевой функции: Целевая функция оценивается в выбранной точке, и результат используется для обновления суррогатной модели.

5. Итерация: Шаги 2-4 повторяются до достижения критерия остановки (например, достижение максимального числа итераций или сходимости к оптимальному решению).

#BayesianOptimization #SurrogateMdel #BayesianUpdate #IterativeSearch #Exploration #Exploitation

🗣Чем больше шеров и лайков, тем активнее выкладываю посты !!!

✅Очень прикольная инфографика и очень информативная, мне прям зашло.

https://habr.com/ru/companies/sberbank/articles/834468/ - моя новая статья, про графы

Всем привет) есть ли у кого-нибудь девопс, а точнее Cybersecurity Specialist / SecOps Engineer из Питера? Нужно будет посещать офис хотя бы раз в недельку)
зп до 6к$. Писать в ЛС.

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_227

🟡Каковы основные области применения баесовской оптимизации?

1. Машинное обучение и искусственный интеллект:
- Оптимизация гиперпараметров моделей машинного обучения (например, глубины и ширины нейронных сетей, коэффициентов регуляризации и т.д.);
- Оптимизация архитектуры моделей глубокого обучения;
- Поиск оптимальных алгоритмов и конфигураций для задач интеллектуального анализа данных;

#BayesianOptimization #SurrogateMdel #BayesianUpdate #IterativeSearch #Exploration #Exploitation

🗣Чем больше шеров и лайков, тем активнее выкладываю посты !!!

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_227

🟡Каковы основные области применения баесовской оптимизации? (Часть_2)

Конструкторское проектирование:

- Оптимизация параметров сложных инженерных систем (аэрокосмические конструкции, автомобили, станки и др.)
- Поиск оптимальных материалов и геометрий для повышения производительности и эффективности.

#BayesianOptimization #SurrogateMdel #BayesianUpdate #IterativeSearch #Exploration #Exploitation

🗣Чем больше шеров и лайков, тем активнее выкладываю посты !!!

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_227

🟡Каковы основные области применения баесовской оптимизации? (Часть_3)

Научные исследования:

- Оптимизация экспериментальных установок и протоколов в физике, химии, биологии и других областях
- Настройка параметров компьютерных симуляций и моделей

Финансы и экономика:

- Оптимизация портфелей ценных бумаг
- Прогнозирование финансовых рынков
- Оптимизация бизнес-процессов и принятие решений

#BayesianOptimization #SurrogateMdel #BayesianUpdate #IterativeSearch #Exploration #Exploitation

🗣Чем больше шеров и лайков, тем активнее выкладываю посты !!!

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_227

🟡Каковы основные области применения баесовской оптимизации? (Часть_4)

Робототехника и управление:

- Оптимизация траекторий и управляющих воздействий для роботов
- Настройка параметров контроллеров и систем управления

Оптимизация процессов в промышленности:

- Поиск оптимальных режимов работы производственных систем
- Оптимизация параметров технологических процессов

#BayesianOptimization #SurrogateMdel #BayesianUpdate #IterativeSearch #Exploration #Exploitation

🗣Чем больше шеров и лайков, тем активнее выкладываю посты !!!

😁😁😁Когда решил поправить только одну строчку в коде, который ты писал месяц. Кто бы мог подумать, что на проде так все неловко выйдет ))

https://github.com/MilesCranmer/PySR - прикольная игрушка для символьной регрессии, иногда очень даже может помочь, правда только на Julia. Ну, была не была ))

https://poloclub.github.io/transformer-explainer/ - прикольная игрушка на ночь, посмотреть как работает Трансформер под капотом, что он там думает и как формируется сигнал. Очень рекомендую. Тема.

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_227

🟡Что возвращает метод predict_proba() в scikit-learn ? (Часть_1)

Во-первых, важно понимать, что методы прогнозирования в scikit-learn возвращают разные типы результатов в зависимости от типа модели. Для моделей классификации, таких как логистическая регрессия или дерево решений, predict() возвращает классы, а predict_proba() возвращает оценки вероятностей.

#BayesianOptimization #SurrogateMdel #BayesianUpdate #IterativeSearch #Exploration #Exploitation

🗣Чем больше шеров и лайков, тем активнее выкладываю посты !!!

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_227

🟡Что возвращает метод predict_proba() в scikit-learn ? (Часть_2)

Однако, эти оценки вероятностей не всегда представляют истинные вероятности классов. Причина этого заключается в том, что модели в scikit-learn по умолчанию калибруются для оптимизации классификации, а не для возврата хорошо откалиброванных вероятностей.

#BayesianOptimization #SurrogateMdel #BayesianUpdate #IterativeSearch #Exploration #Exploitation

🗣Чем больше шеров и лайков, тем активнее выкладываю посты !!!

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_227

🟡Что возвращает метод predict_proba() в scikit-learn ? (Часть_3)

Существует несколько нюансов, на которые стоит обратить внимание:

1. Калибровка вероятностей: Модели в scikit-learn могут быть откалиброваны, чтобы возвращать более достоверные вероятности, используя методы, такие как Platt Scaling или Isotonic Regression. Это можно сделать с помощью класса CalibratedClassifierCV.

#BayesianOptimization #SurrogateMdel #BayesianUpdate #IterativeSearch #Exploration #Exploitation

🗣Чем больше шеров и лайков, тем активнее выкладываю посты !!!

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_227

🟡Что возвращает метод predict_proba() в scikit-learn ? (Часть_4)

Существует несколько нюансов, на которые стоит обратить внимание:

2. Интерпретация вероятностей: Результаты predict_proba() лучше интерпретировать как "оценки вероятностей" или "scores", которые отражают относительную уверенность модели в принадлежности примера к каждому классу, а не как абсолютные вероятности.

3. Ограничения метода: Для некоторых моделей, таких как деревья решений, вероятности, возвращаемые predict_proba(), могут быть особенно неточными, так как они основаны на эвристиках, а не на строгом статистическом выводе.

#BayesianOptimization #SurrogateMdel #BayesianUpdate #IterativeSearch #Exploration #Exploitation

🗣Чем больше шеров и лайков, тем активнее выкладываю посты !!!

Когда обо всём наврал в резюме, но тебя всё равно взяли на работу.

Базовые вещи по линейной регрессии.

1. Основы линейной регресии (https://habr.com/ru/articles/514818/)

2. Линейная регрессия. Основная идея, модификации и реализация с
нуля на Python (https://habr.com/ru/articles/804135/)

3. Линейная регрессия в машинном обучении (https://neurohive.io/ru/osnovy-data-science/linejnaja-regressija/)

4. «Математические основы машинного обучения и прогнозирования» Вьюгин В.

5. «Машинное обучение» Бринк Х., Ричардс Д., Феверолф М.

6. «Bayesian Reasoning and Machine Learning» Barber D.

7. «The Elements of Statistical Learning. Data Mining, Inference and Prediction» Hastie T., Tibshirani R., Friedman J.

https://github.com/Machine-Learning-Tokyo/Interactive_Tools - не трансформерами едиными, целый кладезь игрушек и понимания как они работают под "капотом". Очень прикольная тема.