Навчання на даних
Розуміння штучного інтелекту
Maarten Van den Broeck
Senior Content Developer at DataCamp
Функції ШІ та залучені напрями
Функції ШІ та залучені напрями
Що таке Machine Learning (ML)
Machine Learning: навчання на даних і виявлення закономірностей
Що таке Machine Learning (ML)
Machine Learning: навчання на даних і виявлення закономірностей
Що таке Machine Learning (ML)
Machine Learning: навчання на даних і виявлення закономірностей
Що таке Machine Learning (ML)
Machine Learning: навчання на даних і виявлення закономірностей
Що таке Machine Learning (ML)
Machine Learning: навчання на даних і виявлення закономірностей
Навчання з учителем: класифікація
Навчання з учителем: класифікація
Навчання з учителем: регресія та прогнозування
Регресія: для кожного спостереження передати числовий вихід або мітку на основі його входів
Прогнозування часових рядів: передбачити майбутні значення змінної на основі її минулої поведінки
Навчання без учителя та підкріплювальне навчання
Кластеризація: знайти підгрупи даних зі схожими характеристиками (напр., алгоритм k-means)
Виявлення аномалій: знаходження нетипових спостережень, напр., незвичні транзакції карткою
Пошук асоціативних правил: знайти часті співзустрічання товарів у транзакціях
Підкріплювальне навчання: навчання на досвіді (спроби й помилки), щоб опанувати складне завдання
А як щодо Deep Learning?
Дуже складні моделі на основі глибоких нейронних мереж: розв'язують задачі, де класичні ML-моделі обмежені
Навчаються на даних подібно до роботи мозку людини
Потрібно багато даних для навчання: інколи мільйони спостережень
А як щодо Deep Learning?
Дуже складні моделі на основі глибоких нейронних мереж: розв'язують дуже складні задачі, де класичні ML-моделі стають обмеженими
Потрібно багато даних для навчання: інколи мільйони спостережень
