Зачем нужна оптимизация в ML?

Как модели на самом деле обучаются — от обычного градиентного спуска до Adam

Машинное обучение выглядит как предсказание, классификация, генерация, рекомендации. Но под капотом это один и тот же повторяющийся математический приём: выбрать числа, измерить, насколько они плохи, а затем менять числа так, чтобы эта «плохость» уменьшалась. Это и есть оптимизация.

🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.