Как устроены генеративные модели и компьютерное зрение? Расскажут эксперты Яндекса и Школы анализа данных на Computer Vision Week!

Computer Vision Week — это бесплатный онлайн-интенсив от команд Yandex Cloud, YaArt и YaResearch. За 5 дней — с 25 по 29 ноября — они помогут вам погрузиться в темы компьютерного зрения, генерации изображений и диффузионных моделей. А ещё расскажут:

— что под капотом у технологии YaArt с точки зрения математики;
— как устроены генеративные модели у большинства визуальных сервисов;
— как работают с генеративными технологиями в Яндексе.

Каждый зарегистрированный сможет слушать лекции, но если вы настроены серьёзно и хотите получить сертификат, то нужно будет решить отборочные задания и выполнить итоговую работу. Для этого понадобятся знания в Machine Learning, Deep Learning и компьютерном зрении.

Уже готовы зарегистрироваться? Успейте сделать это до 24 ноября!

https://shad.yandex.ru/cvweek?utm_source=vk&utm_medium=cpc&utm_campaign=cvweek24&utm_content=universities

Работает на hugging face

Даже знаю людей, которым такая нужна :)) Особенно в отделах поддержки пользователей :))

Математика для машинного обучения: статистика

Пост с рекомендациями видео по математике для ML зашел хорошо, поэтому продолжаю. В этот раз о статистике.

1. Книга «Как лгать при помощи статистики», автор Дарелл Хафф (на английском книга называется «How to Lie with Statistics»). Автор использует интересный подход: рассказывает о статистике на примерах, когда ее применяют неправильно. Пример со средней зарплатой используется для того, чтобы показать разницу между тремя видами среднего: среднее арифметическое, медиана и мода. Для некоторых величин, таких как рост человека, три варианта среднего значения близки друг к другу, а для зарплат они сильно отличаются. Почему так происходит, что на это влияет, и как эти знания используют для лжи и манипуляций, читайте в книге.

2. Книга «Голая статистика», автор Чарльз Уилан (Naked Statistics: Stripping the Dread from the Data). Чарльз Уилан тоже рассказывает о статистике на примерах из реальной жизни и этим подчеркивает важность знаний. Однако примеры здесь не только отрицательные, как в книге Хаффа, и их гораздо больше. В целом книга более глубокая, есть даже глава о центральной предельной теореме. Недостаток книги: математики не много, если хотите именно математическую статистику, то эта книга не подойдет.

3. Онлайн курс «Основы статистики», автор Анатолий Карпов, который сейчас делает karpov.courses. Курс бесплатный, размещен на Stepik. В этом курсе рассматриваются основы математической статистики, так что будут не только практические примеры, но и формулы. При этом курс рассчитан на начинающих, в нем почти все понятно. У курса есть продолжения: часть 2 и часть 3, которые также бесплатны и размещены на Stepik. Эти части более глубокие, но в них используется язык R вместо привычного многим Python.

Не останавливайтесь на fit/predict, изучайте статистику 😊