Здравые идеи из повседневной жизни зачастую переплетаются с передовыми методиками в IT. Например, ключевую мысль градиентного спуска, заключающуюся в пошаговом улучшении модели машинного обучения, можно применить в личной практике. Например, что мешает каждому из нас провести работу над ошибками? Взять пример прошлой неудачи, подумать над действиями, которые помогут ее не допустить в следующий раз, и начать понемногу двигаться в направлении цели. Смысл именно в небольших изменениях, которые, с одной стороны, легко осуществить, с другой - они должны привести к намеченному...

Разберемся с ключевым понятием машинного обучения – градиентным спуском. Фактически это способ оптимизации модели путем поиска параметров, минимизирующих функцию стоимости. Последняя является мерой эффективности модели и принимает разные значения в зависимости от задачи, например, для предсказания цены квартиры (см. статью) она может принять следующий вид: В данном случае функция стоимости считает сумму квадратов разности предсказанной и реальной цены по всем примерам. Так как чем сумма меньше,...