Математика Data Science для врачей. Solver SVD decomposition ★ 5.000

научился ввыодить SVD с нуля

Спасибо. Было интересно.

Прошел ещё один курс от IT организации Senatorov. На данный момент это был SVD. В ней я разобрался что такое SVD, где его используют(рекомендательные системы, сжатие изображений, шумоподавление в данных и многое другое). Что такое сингулярное разложение матрицы, зачем мы разбиваем основную матрицу на 3 других, что такое сингулярные числа и как они влияют на понижение размерности и много чего ещё. Как всегда Руслан приготовил подарок в виде дополнительного понимания темы, а именно Реверс инжиниринг scikit-learn метода .fit где указал как SVD используется в решении МНК. Огромная благодарность за проделанную работу и структурное обучение не только теории, но и кучей практики.

Курс идеален, если хотите понять почему работает SVD, а не только как вызвать np.linalg.svd. Автор подробно разбирает теорию (матричная факторизация, теорема Эккарта-Янга, псевдообратная матрица), геометрический смысл происходящего. Но при этом не уходит в абстракцию:после каждой концепции следует разбор кода на Python.

Курс по SVD от Руслана Сенаторова получился очень структурированным и понятным. Теория подаётся последовательно, с акцентом на интуицию и практический смысл разложений. Отличный вариант для тех, кто хочет не просто выучить формулы, а действительно понять, как и зачем работает SVD

курс топ, очень хорошие и легкие объяснения. Насыщенно информацией, нужно посидеть, но стоит того

Курс очень подробный

Курс очень подробный — материал разобран буквально до мельчайших деталей, местами даже глубже, чем требуется для практики. Отличный выбор для тех, кто хочет досконально разобраться в различных видах разложений, включая спектральное, сингулярное и другие.