现已上线！2025 年 Telegram 研究 — 年度关键洞察 
Библиотека задач по Data Science | тесты, код, задания
前往频道在 Telegram
Задачи и тесты по Data Science для тренировки и обучения. Курс по Ai-агентам: https://clc.to/9L0Tqg По рекламе: @proglib_adv Учиться у нас: https://proglib.io/w/fa77bf4e Для обратной связи: @proglibrary_feeedback_bot
显示更多4 018
订阅者
+324 小时
-17 天
-230 天
帖子存档
Что произойдет при попытке вставить в TreeSet объект, если его класс не реализует интерфейс Comparable и не передан компаратор?
Repost from Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение
+5
👨🎓️📊 7 мифов о профессии Data Scientist
Вокруг науки о данных возникло множество разнообразных заблуждений, мешающих освоить эту замечательную дисциплину. Развенчиваем наиболее распространённые мифы о профессии Data Scientist.
🔗 Читать статью
Какова главная причина усечения (прунинга) дерева решений?
Что выведет код с картинки выше?
🧑💻 Статьи для IT: как объяснять и распространять значимые идеи
Напоминаем, что у нас есть бесплатный курс для всех, кто хочет научиться интересно писать — о программировании и в целом.
Что: семь модулей, посвященных написанию, редактированию, иллюстрированию и распространению публикаций.
Для кого: для авторов, копирайтеров и просто программистов, которые хотят научиться интересно рассказывать о своих проектах.
👉Материалы регулярно дополняются, обновляются и корректируются. А еще мы отвечаем на все учебные вопросы в комментариях курса.
Есть два события — A и B. Если P(A, B) (совместная вероятность) увеличивается, а P(A) уменьшается, то что из следующего верно?
✍️ Разбор задач прошедшей недели
Сегодня вспомним, что такое bias (смещение) и variance (разброс).
✅ Итак, представим, что вы каким-то образом обучили модель и хотите оценить, насколько хорошо она справляется со своей задачей предсказания целевого значения. Вы даёте ей данные и получаете некоторый результат. Теперь его можно использовать, чтобы понять некоторые вещи про модель.
Так, смещением называют матожидание разности между истинным значением и тем, что было выдано моделью. Разброс же — это дисперсия ответов модели, то есть мера того, насколько эти ответы варьируются в зависимости от данных.
Легко догадаться, что чем меньше смещение, тем более близкие к истинным результаты выдаёт модель. А чем меньше разброс, тем стабильнее модель, тем выше её обобщающая способность. Например, глубокие деревья способны безошибочно выучить обучающую выборку и потому будут иметь высокий разброс в зависимости от выборки, однако их предсказания в среднем будут точнее.
Что касается нейросети с большим числом нейронов в каждом скрытом слое, то такая модель, аналогично глубокому дереву, может зазубрить обучающую выборку, а значит иметь низкое смещение и высокий разброс.
#разбор_задач
Какой контейнеров гарантирует отсутствие дубликатов?
Что запишется в переменную result?
Вы увеличиваете число нейронов в каждом скрытом слое вашей нейросети. Как это повлияет на смещение (bias) и разброс (variance) соответственно?
Разбиения в классификации __________, если энтропия высока.
Repost from Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение
+5
🤖🆓13 опенсорсных инструментов для ИИ-разработчиков
Готовы прокачать свои проекты? Эти 13 инструментов помогут вам не просто ускорить разработку, а сделать её по-настоящему качественной.
👉 Все инструменты перечислены в нашей статье
Какой из перечисленных ниже ансамблевых алгоритмов позволяет уменьшить разброс (variance)?
