1. 1.1. Введение в курс

Оригинал: 1.1. Course Introduction

2. 1.2. Заметка о программировании

Оригинал: 1.2. A Note on Programming Experience

3. 1.4. Мотивация к изучению Machine Learning

Оригинал: 1.4. Machine Learning Motivation

4. 1.5. Введение в Деривативы

Оригинал: 1.5. Introduction to Derivatives

5. 1.6. Производные и касательные

Оригинал: 1.6. Derivatives and Tangents

6. 1.7. Наклоны, Максимумы и Минимумы

Оригинал: 1.7. Slopes, Maxima, And Minima

7. 1.10. Обозначение производной

Оригинал: 1.10. Derivative Notation

8. 1.11. Некоторые общие производные и прямые

Оригинал: 1.11. Some Common Derivatives Lines

9. 1.12. Некоторые общие производные и квадратичные функции

Оригинал: 1.12. Some Common Derivatives Quadratics

10. 1.13. Некоторые общие производные и многочлены высокой степени

Оригинал: 1.13. Some Common Derivatives Higher Degree Polynomials

11. 1.14. Некоторые общие производные и другие степени функций

Оригинал: 1.14. Some Common Derivatives Other Power Functions

12. 1.16. Обратная функция и её производная

Оригинал: 1.16. The Inverse Function and Its Derivative

13. 1.17. Производная тригонометрических функций

Оригинал: 1.17. Derivative Of Trigonometric Functions

14. 1.18. Суть экспоненциальной функции E

Оригинал: 1.18. Meaning Of The Exponential E

15. 1.19. Производная e в степени x

Оригинал: 1.19. The Derivative Of Ex

16. 1.20. Производная от логарифма X

Оригинал: 1.20. The Derivative of Log X

17. 1.21. Существование производной

Оригинал: 1.21. Existence Of The Derivative

18. 1.22. Свойства производной и умножение на скаляр

Оригинал: 1.22. Properties Of The Derivative Multiplication By Scalars

19. 1.23. Свойства производной: правило суммы

Оригинал: 1.23. Properties of the Derivative: The Sum Rule

20. 1.24. Свойства производной: правило произведения

Оригинал: 1.24. Properties of the Derivative: The Product Rule

21. 1.25. Свойства производной и правило цепочки

Оригинал: 1.25. Properties Of The Derivative The Chain Rule

22. 1.29. Введение в оптимизацию

Оригинал: 1.29. Introduction to Optimization

23. 1.30. Оптимизация квадратного отклонения: задача одной линии электропередачи

Оригинал: 1.30. Optimization of Squared Loss The One Powerline Problem

24. 1.31. Оптимизация квадратных потерь: задача трёх линий электропередач

Оригинал: 1.31. Optimization Of Squared Loss The Three Powerline Problem

25. 1.31. Оптимизация квадратичных потерь: задача двух линий электропередач

Оригинал: 1.31. Optimization of Squared Loss: The Two Powerline Problem

26. 1.32. Оптимизация Log Loss. Часть 1

Оригинал: 1.32. Optimization Of Log Loss Part 1

27. 1.33. Оптимизация Log Loss часть 2

Оригинал: 1.33. Optimization Of Log Loss Part 2

28. 1.38. Заключение

Оригинал: 1.38. Conclusion

29. 2.1. Касательные плоскости

Оригинал: 2.1. Tangent Planes

30. 2.2. Частные производные Часть 1

Оригинал: 2.2. Partial Derivatives Part 1

31. 2.3. Частные производные, часть 2

Оригинал: 2.3. Partial Derivatives Part 2

32. 2.4. Градиенты

Оригинал: 2.4. Gradients

33. 2.5. Градиенты и Максима Минима

Оригинал: 2.5. Gradients and Maxima Minima

34. 2.6. Оптимизация с градиентами: пример

Оригинал: 2.6. Optimization With Gradients An Example

35. 2.7. Оптимизация с помощью градиентов: аналитический метод

Оригинал: 2.7. Optimization With Gradients Analytical Method

36. 2.10. Оптимизация с помощью градиентного спуска в одномерном случае. Часть 1

Оригинал: 2.10. Optimization Using Gradient Descent In One Variable Part 1

37. 2.11. Оптимизация с использованием Gradient Descent для одной переменной, часть 2

Оригинал: 2.11. Optimization Using Gradient Descent In One Variable Part 2

38. 2.12. Оптимизация с использованием градиентного спуска в одной переменной Часть 3

Оригинал: 2.12. Optimization Using Gradient Descent In One Variable Part 3

39. 2.14. Оптимизация с помощью градиентного спуска в двух переменных Часть 1

Оригинал: 2.14. Optimization Using Gradient Descent In Two Variables Part 1

40. 2.15. Оптимизация методом градиентного спуска для двух переменных. Часть 2

Оригинал: 2.15. Optimization Using Gradient Descent in Two Variables Part 2

41. 2.17. Оптимизация с помощью градиентного спуска и метода наименьших квадратов

Оригинал: 2.17. Optimization Using Gradient Descent Least Squares

42. 2.18. Оптимизация с использованием градиентного спуска. МНК с множественными наблюдениями

Оригинал: 2.18. Optimization Using Gradient Descent Least Squares With Multiple Observations

43. 2.21. Заключение

Оригинал: 2.21. Conclusion

44. 3.1. Регрессия с Перцептроном

Оригинал: 3.1. Regression With A Perceptron

45. 3.2. Регрессия с функцией потерь персептрона

Оригинал: 3.2. Regression With A Perceptron Loss Function

46. 3.3. Регрессия с Перцептроном и Градиентным Спуском

Оригинал: 3.3. Regression With A Perceptron Gradient Descent

47. 3.5. Классификация с Перцептроном

Оригинал: 3.5. Classification With A Perceptron

48. 3.6. Классификация с перцептроном. Сигмоидальная функция

Оригинал: 3.6. Classification With a Perceptron. The Sigmoid Function

49. 3.7. Классификация с перцептроном и градиентным спуском

Оригинал: 3.7. Classification With A Perceptron Gradient Descent

50. 3.8. Классификация с перцептроном, вычисление производных

Оригинал: 3.8. Classification With A Perceptron Calculating The Derivatives

51. 3.10. Классификация с нейронной сетью

Оригинал: 3.10. Classification With A Neural Network

52. 3.11. Классификация с использованием нейронной сети и минимизация Log Loss

Оригинал: 3.11. Classification With A Neural Network Minimizing Log Loss

53. 3.12. Градиентный спуск и обратное распространение

Оригинал: 3.12. Gradient Descent And Backpropagation

54. 3.14. Метод Ньютона

Оригинал: 3.14. Newtons Method

55. 3.15. Метод Ньютона: пример

Оригинал: 3.15. Newton's Method An Example

56. 3.16. Вторая производная

Оригинал: 3.16. The Second Derivative

57. 3.18. Гессиан

Оригинал: 3.18. The Hessian

58. 3.19. Гессианы и выпуклость

Оригинал: 3.19. Hessians and Concavity

59. 3.20. Метод Ньютона для переменных

Оригинал: 3.20. Newton's Method For Variables

60. 3.25. Заключение

Оригинал: 3.25. Conclusion