#015 ML Основы нейросетей ч.2 Градиентный спуск

Продолжаем разговор об основах нейросетей. В этот раз я рассказываю как сеть из простых нейронов может решать сложные задачи. О том, какая математика за всем этим стоит, как строятся сложные многомерные разделяющие поверхности, как обучаются нейросети, что такое градиентный спуск и функция ошибки. Немного затронул темы переобучения и визуализации того, что у нейросетей происходит внутри.  Ссылки выпуска: YouTube канал 3Blue1Brown - https://www.youtube.com/channel/UCYO_jab_esuFRV4b17AJtAw 3Blue1Brown на русском - https://www.youtube.com/channel/UCCbgOIWdmYncvYMbl3LjvBQ Нейронные сети на Python на канале selfedu - https://www.youtube.com/watch?v=nV7cI5zgOpk&list=PLA0M1Bcd0w8yv0XGiF1wjerjSZVSrYbjh Отдельно благодарю за помощь в подготовке выпуска Николая Иванова - гостя 5-го выпуска подкаста за факт-чекинг и разъяснение некоторых нюансов Выпуск с Николаем Ивановым - https://anchor.fm/kmsrus/episodes/005-ML----NLP--GPT-3--Replika-eiibus Facebook Николая - https://www.facebook.com/nickolas.ivanov Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)