Newsletter · 8 numerów · po polsku · bez reklam
Newsletter „ML jak dziecku”
Raz w tygodniu jedno pojęcie uczenia maszynowego, wytłumaczone prostymi słowami, z linkiem do ćwiczenia, w którym wynik sprawdzasz samodzielnie. Po polsku, za darmo i bez reklam.
Zapisy wkrótce
Gdy zapisy ruszą, zapis będzie wymagał potwierdzenia w mailu, a wypisanie się zajmie jedno kliknięcie. Do tego czasu wszystkie numery czytasz tutaj.
Jak wygląda jeden numer
- Haczyk: jedna sytuacja z życia, od której zaczyna się pojęcie.
- Przewidź: pytanie, na które odpowiadasz, zanim przeczytasz wyjaśnienie.
- Wyjaśnienie: kilka krótkich akapitów i link do ćwiczenia, w którym sam sprawdzasz wynik.
- Częsty błąd: błędne przekonanie, nazwane i obalone.
- Gdzie ta analogia się psuje: w którym miejscu uproszczenie przestaje działać.
- Dlaczego to ważne w pracy: gdzie spotkasz to pojęcie w pracy z danymi.
- Pytanie powtórkowe: jedno pytanie do powtórki; odpowiedź jest w następnym numerze.
Każda liczba w mailach jest policzona na danych referencyjnych tym samym kodem, który działa w ćwiczeniach, i sprawdzona testem. Bez newsów, bez ciekawostek obok tematu, bez obietnic pracy.
Archiwum numerów
Kierowca, który znał tylko jedną trasęPrzeuczenie prostymi słowami: kursant, który zna jedną trasę, i drzewo decyzyjne, które zapamiętało pasażerów Titanica zamiast nauczyć się reguły.Sprawdzian, który wiedział za dużoWyciek danych prostymi słowami: jak model dostaje podpowiedź, której w prawdziwym użyciu mieć nie będzie, i dlaczego wtedy nawet czysty szum wygląda na sukces.Lepszy w każdej grupie, gorszy w sumieParadoks Simpsona prostymi słowami: dlaczego trend widoczny w każdej grupie może się odwrócić po zsumowaniu grup. Na danych o rekrutacji w Berkeley.Test jest dodatni. Czy to znaczy, że chorujesz?Błąd częstości bazowej prostymi słowami: dlaczego przy rzadkiej chorobie większość dodatnich wyników to fałszywe alarmy, nawet gdy test jest całkiem dobry.99% trafności i ani jednego wykryciaPunkt odniesienia prostymi słowami: wynik odpowiedzi, która niczego się nie uczy. Bez niego 99% trafności może znaczyć model, który nikogo nie wykrywa.Więcej danych czy lepszy model?Krzywe uczenia prostymi słowami: dwie linie, z których czytasz, czy pomogą nowe dane, czy trzeba zmienić model. Na odręcznie pisanych cyfrach.Model jest pewny na 99%. Czy można mu wierzyć?Kalibracja prostymi słowami: czy procenty, które podaje model, można brać dosłownie. Model obiecuje średnio 98% pewności, a ma rację wyraźnie rzadziej.Dlaczego próg 0,5 bywa najdroższyPróg pod koszt pomyłek prostymi słowami: jak wybrać próg decyzji, gdy przeoczenie kosztuje dużo więcej niż fałszywy alarm. Na biopsjach guzów piersi.
Kurs mailowy „ML w 10 dni”
Dziesięć dni, jeden temat dziennie, od tego, czym jest model, do tego, jak działa ChatGPT. Każdy dzień prowadzi do lekcji kursu z ćwiczeniem i do hasła w Atlasie.
Reguła z przykładów zamiast reguły od człowiekaDzień 1 kursu mailowego „ML w 10 dni”: czym jest model uczenia maszynowego, czyli reguła wyciągnięta z przykładów, i dlaczego liczy się wynik na nowych danych.Nie sprawdza się ucznia na pytaniach, które znaDzień 2 kursu mailowego „ML w 10 dni”: podział danych na trening i test, czyli jak uczciwie sprawdzić model i dlaczego jeden wynik testowy ma w sobie los.Najlepsza prosta przez chmurę punktówDzień 3 kursu mailowego „ML w 10 dni”: regresja liniowa, czyli jak znaleźć najlepszą prostą przez chmurę punktów i co mówi o niej współczynnik R².Schodzenie z góry we mgle, małymi krokamiDzień 4 kursu mailowego „ML w 10 dni”: spadek gradientu, czyli jak model poprawia się małymi krokami, i dlaczego za duży krok potrafi wszystko popsuć.Rysowanie granicy między „tak” i „nie”Dzień 5 kursu mailowego „ML w 10 dni”: klasyfikacja i regresja logistyczna, czyli granica między klasami, i dlaczego domyślny próg 0,5 nie jest święty.Trafność kłamie, gdy jedna klasa jest rzadkaDzień 6 kursu mailowego „ML w 10 dni”: dlaczego sama trafność bywa myląca i co mówią macierz pomyłek, czułość oraz precyzja, na przykładzie biopsji guzów.Uczeń, który wykuł zeszłoroczne odpowiedziDzień 7 kursu mailowego „ML w 10 dni”: przeuczenie, czyli dlaczego najbardziej elastyczny model wygrywa na treningu i przegrywa na nowych pacjentach.Pięć egzaminów zamiast jednego szczęśliwegoDzień 8 kursu mailowego „ML w 10 dni”: walidacja krzyżowa, czyli jak ocenić model na wielu podziałach danych zamiast ufać jednemu, szczęśliwemu albo pechowemu.Dwadzieścia pytań i mądrość tłumuDzień 9 kursu mailowego „ML w 10 dni”: drzewa decyzyjne i lasy losowe, czyli model z pytań tak albo nie i dlaczego głosowanie wielu drzew bije jedno.Model, który zgaduje następne słowoDzień 10 kursu mailowego „ML w 10 dni”: sieci neuronowe i duże modele językowe, czyli jak model zgaduje następne słowo i co zmienia temperatura.