Читать книгу Машинное обучение. Методические указания - Валентин Юльевич Арьков - Страница 3

Введение

Искусственный интеллект

Машинное обучение

Глубокое обучение

Многослойные нейронные сети

Экспертные системы

Четыре уровня аналитики: описательная, диагностическая, прогнозная (предиктивная), рекомендательная (предписывающая).

Популярные инструменты МО: Python, Google Colab, Jupyter Notebook, Anaconda.

Библиотеки: NumPy, Pandas, Matplotlib, SK-Learn, Keras.

Платформа Kaggle.

Markdown.

Машинная модель: признаки (features), целевые переменные (target values)

Обучение модели и прогнозирование.

Три типа обучения: контролируемое (supervised learning), неконтролируемое (unsupervised learning), обучение с подкреплением (reinforcement learning)

Классические задачи МО. Регрессия, классификация, кластеризация, уменьшение размерности

Большие данные

Google

Big

Цикл хайпа

Аналитическая компания Гартнер

Наука о данных (Data Science)

DataFrame

Объектно-ориентированное программирование

Класс, экземпляр, атрибуты, методы

Linear regression

fit ()

predict ()

Очистка данных

Пропуски

Недостоверные данные

Инженер по работе с данными (Data Engineer)

API

Аналитик данных (Data Analyst)

Исследователь данных (Data Scientist)