Concepte de machine learning
Înțelegerea Machine Learning-ului
Lis Sulmont
Curriculum Manager, DataCamp
Trei tipuri de machine learning
$$
1) Învățare prin recompensă
2) Învățare supervizată
3) Învățare nesupervizată
Date de antrenare
Date de antrenare
: date existente din care se învață
Antrenarea unui model
: procesul de construire a modelului din datele de antrenare
Poate dura de la nanosecunde la săptămâni
Date de antrenare pentru învățarea supervizată
Date de antrenare pentru învățarea supervizată
Date de antrenare pentru învățarea supervizată
Date de antrenare pentru învățarea supervizată
Date de antrenare pentru învățarea supervizată
După antrenare (învățare supervizată)
După antrenare (învățare supervizată)
După antrenare (învățare supervizată)
Învățare supervizată vs. nesupervizată
Învățare supervizată
Datele de antrenare sunt „etichutate"
Învățare nesupervizată
Datele conțin doar caracteristici
Utilă pentru:
Detectarea anomaliilor
Clustering, ex.
împărțirea datelor în grupuri
Date de antrenare pentru învățarea nesupervizată
Date de antrenare pentru învățarea nesupervizată
După antrenare (învățare nesupervizată)
Învățare nesupervizată
În realitate, datele nu vin întotdeauna cu etichete
Etichetarea necesită muncă manuală
Etichetele sunt necunoscute
Fără etichete: modelul este nesupervizat și identifică propriile tipare
Să exersăm!
Înțelegerea Machine Learning-ului
Preparing Video For Download...