
با اینکه این روزها دیپلرنینگ و مدلهای زبانی بزرگ تقریباً همهجا موضوع بحث هستند،
اما واقعیت این است که مدلهای کلاسیک یادگیری ماشین هنوز هم در بسیاری از کاربردها نقش بسیار مهمی دارند و همچنان استفاده خواهند شد چرا که در برخی صنایع مثل فینتک، صرفاً دقت بالاتر معیار تصمیمگیری نیست. حتی اگر مدلهای پیچیدهتر (مثل دیپلرنینگ) عملکرد عددی بهتری داشته باشند،نیازمندیهایی مثل:
قابلیت تفسیر تصمیمات مدل
شفافیت برای تیمهای بیزینسی و رگولاتوری
پایداری مدل در برابر تغییر توزیع دادهها
ریسک کمتر در استقرار و نگهداری
باعث میشود مدلهایی مثل Logistic Regression همچنان انتخاب اول باشند.
از طرف دیگر، سادگی این مدلها، نیاز کمتر به منابع محاسباتی و رفتار قابل پیشبینیشان در طول زمان،
دلایل مهم دیگری برای استفاده مداوم از آنهاست.
برای خود من، بارها پیش میآید که لازم است این مدلهای پایهای را دوباره مرور و یادآوری کنم.
به همین خاطر تصمیم گرفتم لینک ویدیوهایی را که با دیدنشان مفاهیم این مدلها برایم تازه میشود،
اینجا یکییکی جمعآوری کنم، هم برای خودم، هم شاید برای کسانی که مسیر مشابهی دارند.
در ضمن توی کانال تلگرام TechnicalNotesAI هم فایل ویدیوی دانلود شده را میگذارم برای کسانی که دسترسی راحت به یوتوب ندارند.
📺 ویدیو: https://www.youtube.com/watch?v=3bvM3NyMiE0
این لیست به مرور کاملتر خواهد شد.,