Машинное обучение доступным языком, Капаца Е., 2023

Машинное обучение доступным языком, Капаца Е., 2023.

   Краткий гайд для новичков по машинному и глубокому обучению с разбором кода. Здесь вы найдете необходимый минимум по предмету, истолкованный языком, понятным школьнику. Некоторые разделы написаны с помощью chatGPT. По прочтении вы избавитесь от страха перед технологией и освоите базовый инструментарий подготовки данных, их загрузке в модель и ее донастройки. Подходит студентам технических специальностей.




Машинное обучение.
Что же это такое? Машинное обучение (machine learning, ML) - наука о том. как заставить компьютеры выполнять объемную вычислительную задачу без явного программирования.

Классическим алгоритмам дают точные и полные правила для выполнения задачи, моделям Машинного обучения - данные. Мы говорим, что «подгоняем модель к данным» или «модель обучена на данных».

Проиллюстрируем это на простом примере. Предположим, мы хотим спрогнозировать цену дачного дома на основе:
• площади
• размера продомового участка
• количества комнат.

Мы могли бы попытаться построить классический алгоритм, который решает эту проблему. Этот алгоритм возьмет три вышеупомянутых признака (feature) и выдаст прогнозируемую цену на основе явного правила. Но на практике эта формула часто неочевидна.

Однако мы хотим автоматизировать этот процесс и построить модель. Она будет корректировать формулу сама каждый раз, когда появляются новые примеры иен на жилье. В целом, ML невероятно полезно для задач, когда мы располагаем неполной или слишком обильной информацией для программирования вручную. В этих случаях мы можем предоставить имеющиеся сведения и позволить ей «изучить» недостающую. Затем алгоритм будет использовать статистические методы для извлечения недостающих знаний.

ОГЛАВЛЕНИЕ.
Введение.
Машинное обучение.
Данные.
Классическая таблица.
Текстовый документ.
Графы.
Аудиодорожки.
Временной ряд.
Последовательные данные.
Пространственные данные.
Изображения.
ETL.
Облачные вычисления.
DWH.
EDA.
Удаление дубликатов.
Обработка пропусков.
Обнаружение аномалий.
Одномерный анализ.
Описательная статистика.
Важность признаков.
Многомерный анализ.
Парные особенности.
Понижение размерности.
Преобразование данных.
Стандартизация.
Нормализация.
Пересэмплирование.
Другие методы разведочного анализа данных.
Модель.
Моделирование.
Валидация.
Регуляризация.
Глубокое обучение.
Многослойный перцептрон.
Сравнение моделей.
Заключение.

Купить .





Теги: учебник по информатике :: информатика :: компьютеры :: Капаца