Вадим Леонардович, хочу поблагодарить вас за этот прекрасный курс! Благодаря Вам, получил работу в сфере Data Science, Спасибо Вам большое! Вы преподаватель от Бога!

@Vadim_Abbakumov

2 жыл бұрын

Удачи! Поздравляю! Спасибо за теплые слова

Ну что могу сказать, в сентябре выхожу data-аналитиком на новую работу :), до этого 6 лет java enterprise, готовился по Вашим лекциям. Жаль, на матмехе СПбГУ не удалось попасть к Вам на курс. Надеюсь карма в мире есть, поэтому желаю всех благ. Спасибо Вам, Вадим Леонардович.

@Vadim_Abbakumov

3 жыл бұрын

И Вам спасибо, удачи!

Прекрасное видео, только благодаря этой лекции и гайда с coderlessons смог сделать практическую работу в универе.

Я вот вспоминаю как нам преподавали курс по ML в универе и у меня появляется чувство что меня обплевали, препод приходил на пару говорил "открывайте учебник и читайте" и уходил пить чай. Вот бы все преподы рассказывали материал как Вадим Леонардович

@Sibbarb9

2 жыл бұрын

Если бы преподов тоже получали 200+

Time code. Теория начинается с 9:20

Глубокое замечание на 35:25, ведь действительно, мы используем классификаторы для конкретного порога, а roc-auc-и сравниваются по всем возможным. В этом смысле F_beta гораздо осмысленнее.

спасибо за курс! ссылка на сайте ведет на 11 лекцию, вместо 12

@CompscicenterRu

5 жыл бұрын

Спасибо огромное! Поправили

Возможно ли, что вычисление частичной площади под кривой (только для тех порогов, которые реально будут использоваться) решит задачу корректного сравнения классификаторов с помощью AUC? И «красный» классификатор, у которого AUC, вычисленный по всем порогам, меньше, чем у «чёрного», станет лучше по частичной AUC?

@Vadim_Abbakumov

5 жыл бұрын

Затрудняюсь с ответом

@Gyringag

4 жыл бұрын

А для каких "тех" порогов? Порог использоваться будет только один, и их сравнение это и есть сравнение расстояния до 1

Коллеги понятно

Звук тихий