Демешев хорош, но это не машинное обучение, а просто предтечи, для углубленного понимания стат стороны линейных моделей, ну немного Байеса есть в конце, и ещё пара методов. По регуляризации у него крайне мало, скорее на пальцах. Мне очень понравился его курс, но он немного о другом.

R прекрасен, кстати)

пока вы не вышли за пределы уже написанных пакетов

так там нигде и не заявляется, что это мл.

Это да, всему свое место)

и желательно, пакетов tidyverse или на нее опирающихся

пример Julia показывает, что можно было сделать лучше, но статистики, делавшие R были уверены, что они самые умные)

в специализации на курсере о регуляризации еще меньше)

Это я для тех, кто курс выбирает, на всякий

Ну не меньше, но мало, согласен, как уже было сказано, на пальцах. А дальше человек сам будет копать, подразумевается так, думаю

Может это и правильно?

ну вроде об дисперсии оценок в курсе вообще речи не шло. Просто "мултиколлинеарность - это не очень хорошо"

Ну там о ней говорили больше в практическом смысле, показывали параметры, давали поиграть, ещё в рекомендашках упоминалась.

Как уже говорилось, Демешев раскрывает больше стат сторону, это бесспорно

Ну, кстати, на вопрос мы немного не ответили) Ведь на практике регуляризация используется для борьбы с переобучением. То есть грубо модель стремится запомнить обучающаю выборку, растит свои параметры. При этом при переходе к другой обучающей выборке оценки параметров будут уже другие (ну вот как раз дисперсия оценок) . На тесте качество будет не очень, потому что параметры подстроены именно под обучение. Вводя штраф, мы ей мешаем это сделать, усложняем ей работу, коэффициенты не так растут, в результате предсказания теста лучше. То есть мы как бы упрощаем модель. Для сетей популярна регуляризация дропаутом, мы сеть прореживаем, так её упрощаем, при этом делаем это каждый раз (грубо для каждого объекта обучения) случайно, то есть не даём набрать веса, подогнаться под обучение, при этом относительный масштаб весов выравнивается, нет очень больших или маленьких весов. То есть грубо, имея мало данных и много признаков можно подогнаться под обучение. И чем больше признаков, тем больше нужно данных, чтобы модель уловила в параметрах все тонкости каждого. Вводим штраф, ограничиваем веса и не даём каким-то параметрам "вылезать" по масштабу из общей массы (а вдруг признак шумовой? ) в результате обобщающая способность модели лучше, что выражается в результатах на разных тестах. Чёт много я написал, сорри))

Сорри за офтоп, не принимайте за рекламу)
Что это за курс такой? Отзывов нет, тут вроде никто не обсуждал. Новое что-то?

https://www.coursera.org/specializations/maths-for-data-analysis

От ВШЭ

Что немного смущает, написано начальный уровень... Хватит ли его ?

что-то новое видимо. И Демешев в преподах...

Ну, это я так понимаю если начинать с первого курса)