Линейная регрессия. Что внутри sklearn? Зачем градиентный спуск? Что спросят на собеседовании? ч.2

Канал в tg:
00:00 - Про первую часть 00:25 - План видео 00:35 - Reminder первой части 01:43 - Как считается решение линейной регрессии в sklearn? 04:55 - Можно ли посчитать аналитическое решение с регуляризацией? 05:40 - Как находится оптимизационное решение (градиентный спуск)? 08:37 - Пара слов про стохастический градиентный спуск 09:15 - Каковы самые популярные реализации линейной регрессии? 10:22 - Можно ли из линейной регрессии сделать нелинейную? Статья Александра Дьяконова:
Про LAPACK:
Лекция Константина Воронцова:    • Машинное обучение. Многомерная линейная ре...   (которая почему-то названа другим именем) Разделяй и встаствуй в SVD основан на:
Ноутбук с реализацией градиентного спуска:
Документация sklearn.linear_model: