Modern Machine Learning Theory من خواستم یه یادآوری بکنم که یه سری مطالب خیلی جالبی در مورد مباحث خیلی پایه ای تئوری ماشین لرنینگ هستش که آدمای خفن و بزرگی دارن روش تحقیق انجام میدن بیشتر با بکگراند های فیزیک آماری و آمار غیرپارامتری و انگار کل فیلد learning theory اونقدری هم که بنظر میرسیده mature و قدیمی نیست و هنوز حرف های زیادی برای گفتن هست. به همین رو چند تا از سورس هایی که پیدا کردم رو میذارم اینجا. بنظرم یاد گرفتن اینا و مخصوصا master کردنشون خیلی تو درک عمیق ml بهتون کمک میکنه و این چیزیه که خیلی از آدما ندارن. 1. Modern Machine Learning: Simple Methods that Work (MIT) Mini Course [Linear Regression, Kernel Regression, NTK] https://aditradha.com/teaching-resources, https://youtube.com/playlist?list=PLV7IztOccmR__NyLuxHpe_IhQLFmPOIJA&si=B2kz1qzRDl9pj7lW, https://github.com/YconquestY/6.s088 2. ICM 2026 Plenary lecture by Peter Bartlett: Modern Machine Learning Methods: Large Step-Size Optimization, Implicit Bias, and Benign Overfitting [Implicit Regularization of GD/GF/CD for linear regression/logistic regression, Benign Overfitting for linear regression] https://youtu.be/l-29P4oEXKE, https://epubs.siam.org/doi/10.1137/25M1807617 3. Deep learning: a statistical perspective Mini Course by Peter Bartlett https://youtube.com/playlist?list=PL79F_c_jsxZEmVtxrzuRUzoztAK0GJm4Z&si=iEpJMRHY_iuBE7Ts [Detailed version of the ICM talk] هر کسی هم علاقه مند بود که راجع به این چیزا با من صحبت کنه مثل همیشه به شدت مورد استقبال قرار میگیره. #learning_theory @SingularThinker

ما داریم شروع میکنیم ...

ویدئوهای هر سه جلسه حسین هم توی سایت قرار گرفته. اگه دوست دارید که با مفاهیم بهینه سازی و تحلیل همگرایی SGD آشنا بدید فرصت خوبیه که شروع کنید. بیشتر از ۶ ساعت ویدئو هست. خودش یه مینی کورسه. لینک جلسه اول: https://youtu.be/WOOS3aRTjpA?si=oyyM4ifVwk_FraLJ @SingularThinker