Машинное обучение. Косинусное сходство. Скалярное произведения на Python. Рекомендательные системы

00:00 Представление данных в виде векторов

• В видео обсуждается представление данных в виде векторов, где каждая координата вектора соответствует определенной характеристике.
• Например, можно представить данные о росте, весе и обхвате человека в виде вектора.

05:14 Умножение векторов и вычисление косинуса сходства

• В видео объясняется, как можно умножать векторы и вычислять косинус сходства между ними.
• Это используется в рекомендательных системах, где можно подбирать рекламу для людей с близким косинусом сходства.

09:02 Прогнозирование и скоринговые модели

• В видео обсуждаются различные модели прогнозирования, такие как скоринговые модели в банковской системе.
• Эти модели используют векторы данных и векторы весов для принятия решений о выдаче кредита.

10:28 Вычисление угла между векторами

• В видео объясняется, как вычислять угол между векторами, используя формулу косинуса угла между ними.
• Эта формула используется в различных моделях прогнозирования для определения сходства между векторами.

12:21 Скалярное произведение векторов

• Автор объясняет, что скалярное произведение векторов можно выразить через их норму и угол между ними.
• Он также упоминает, что формула для скалярного произведения использует норму вектора, но не объясняет связь между ними.

24:00 Вычисление скалярного произведения на Python

• Автор переходит к Python, где он создает переменные для двух векторов и объясняет, что он будет делать.
• Он объясняет, что на Python он будет использовать функцию для нахождения скалярного произведения двух векторов.
• Затем он переходит к вычислению нормы каждого вектора и их скалярного произведения.

27:06 Функция косинус

• В видео обсуждается функция косинус, которая принимает на вход угол и возвращает число.
• Автор объясняет, что функция косинус является симметричной, то есть она четная.

35:39 Обратная функция арккосинус

• В видео объясняется, что функция арккосинус является обратной функцией косинуса, то есть она принимает на вход число и возвращает угол.
• Автор также объясняет, что все функции, которые принимают на вход число и возвращают угол, имеют приставку "арк".

39:58 Перевод угла из радианов в градусы

• В видео объясняется, как перевести угол из радианов в градусы.
• Автор использует формулу Angle degrees = Angle R \* 360 / 2π, где Angle degrees - угол в градусах, Angle R - угол в радианах, а 360 и 2π - константы.

🚀 Вступай в сообщество: https://boosty.to/SENATOROV
🍑 Подписывайся на Telegram: https://t.me/RuslanSenatorov
🔥 Начни работать с криптовалютой на Bybit: https://www.bybit.com/invite?ref=MAN2VD

💰 Донат: https://www.donationalerts.com/c/sena...
💰 Стать спонсором :
(USDT TRC20) TPWP9kuqqetDNPeLjAe51F1i2jPxwYYBDu
(USDT BEP20) 0xf3db7ce90a55d1d25b7a6d1ded811fb2a7523f3d

В этом видео мы отправимся в увлекательное путешествие в мир машинного обучения, где познакомимся с косинусным сходством и его применением в скалярном произведении на Python.

Что вас ждет:

Косинусное сходство:
Поймем, что такое косинусное сходство и как его интерпретировать.
Научимся вычислять косинусное сходство между векторами.
Скалярное произведение на Python:
Освоим основы скалярного произведения в Python.
Узнаем, как использовать скалярное произведение для решения задач машинного обучения.
Рекомендательные системы:
Исследуем, как косинусное сходство и скалярное произведение применяются в рекомендательных системах.
Увидим примеры реализации рекомендательных систем на Python.
Это видео будет полезно:

Начинающим специалистам в области Data Science и машинного обучения.
Разработчикам Python, желающим расширить свои навыки.
Всем, кто интересуется искусственным интеллектом и его приложениями.
Теги:

машинное_обучение, data_science, косинусное_сходство, скалярное_произведение, python, рекомендательные_системы, искусственный_интеллект

Хэштеги:
#машинноеобучение #datascience #косинусноесходство #скалярноепроизведение #python #рекомендательныесистемы #искусственныйинтеллект

#математика #datascience #machinelearning
математика с нуля,
математика для дата сайнс,
математика для машинного обучения,
математика для анализа данных,
математика для чайников,
математика для начинающих,
математика для программистов,
математика для data science,
репетитор по математике,
преподаватель по математике,
учитель по математике,
учитель математики,
ментор по математике,
тичер по математике,
репетитор по дата сайнс с нуля,
репетитор по высшей математике,
репетитор по математике для взрослых,
математика для заочников
математика для дата аналитика