📌Как решить задачу классификации в PySpark

PySpark позволяет работать не только с Big data, но и создавать модели Machine Learning.
Давайте рассмотрим, как обучить модель Machine Learning для решения задачи классификации.
Обсудим подготовку данных, применение логистической регрессии, а также использование метрик в PySpark.

🔜 Поехали

@machinelearning_interview

📌Основные понятия Machine Learning

Держите полезный материал, поможет вспомнить/закрепить важные темы.
Здесь рассматривается множество центральных понятий ML, в том числе:
• Модели машинного обучения
• Свёрточные ИНС
• Обзор основных архитектур ИНС
• Предобработка данных: аугментация данных, отбор, извлечение признаков
• Процесс обучения, оценка качества

▶️ Сайт
📎 PDF

@machinelearning_interview

🌟 Большой список 140+ ресурсов для погружения в ML и AI

Здесь собраны списки на гайды, туториалы, статьи Arxiv, эти ресурсы покрывают практически всю область ML, вот некоторые из рассматриваемых тем:
— Трансформеры
— Архитектура популярных моделей: GPT-3, LLaMA, Mamba и т.д.
— Обучение с подкреплением
— Масштабирование AI
— Использование бенчмарков
— Работа трансформеров с контекстом

▶️ GitHub

@machinelearning_interview

📌Ответы на вопросы с собеседований ML

В этой книге даются подробные ответы с формулами и сложной математикой на вопросы с ML-собеседований.

Если быть точным, в первую очередь это расширенные ответы на вопросы от Chip Huyen, которые он поднимал в учебнике "Introduction to Machine Learning Interviews"

📎 PDF

@machinelearning_interview