В настоящем пособии представлены методические указания к выполнению восьми лабораторных работ по дисциплине «Технологии машинного обучения». По итогам выполнения всех работ студент должен получить теоретические знания об основных математических подходах и технологиях построения моделей машинного обучения, методах предобработки и анализа данных, основам работы с текстовыми данными, изображениями и временными рядами.
Пособие может использоваться как для самостоятельного изучения методов и алгоритмов машинного обучения студентами, аспирантами и научными работниками, так и служить руководством к решению задач, возникающих в научно-исследовательских бакалаврских, магистерских и аспирантских проектах, связанных с применением современных методов анализа данных.
Содержание:
Введение. Метрики качества задач классификации. Предобработка данных. Отбор признаков. Функции ошибок в машинном обучении. Алгоритмы кластеризации. Введение в обработку естественного языка. Методы оптимизации в глубоком обучении. Свёрточные сети и работа с изображениями. Анализ и предсказание временных рядов. Приложение. Структура отчета.
Разместите ссылку на эту страницу в социальных сетях. Так о ней узнают тысячи человек:
Facebook
Twitter
Мой мир
Вконтакте
Одноклассники
Нашли ошибку? Сообщите администрации сайта: Выберите один из разделов меню и, если необходимо, напишите комментарий
За ложную информацию бан на месяц
Разместите, пожалуйста, ссылку на эту страницу на своём веб-сайте:
Код для вставки на сайт или в блог: Код для вставки в форум (BBCode): Прямая ссылка на эту публикацию:
Теория и практика машинного обучения — Учебное пособие рассматривает вопросы, связанные с анализом данных: модели, алгоритмы, методы и их реализацию на языке Python. Особое внимание уделено анализу временных рядов.
Нейросетевые методы в обработке естественного языка — Это классическое руководство посвящено применению нейросетевых моделей к обработке данных естественного языка (Natural Language Processing – NLP). В первой половине книги рассматриваются основы машинного обучения с учителем на лингвистических данных и применение векторных, а не символичес ...
Эта книга - руководство для всех, кто намерен освоить использование технологии машинного обучения для обеспечения безопасности компьютерных систем, от выявления различных аномалий до защиты конечных пользователей.
Машинное обучение стало неотъемлемой частью различных коммерческих и исследовательских проектов, однако эта область не является прерогативой больших компаний с мощными аналитическими командами. Даже если вы еще новичок в использовании Python, эта книга познакомит вас с практическими способами построения систем машинного обучения. При всем многообра ...
С распространением больших данных растет спрос на вычислительную и алгоритмическую эффективность.
Данный материал НЕ НАРУШАЕТ авторские права никаких физических или юридических лиц. Если это не так - свяжитесь с администрацией сайта. Материал будет немедленно удален. Электронная версия этой публикации предоставляется только в ознакомительных целях. Для дальнейшего её использования Вам необходимо будет приобрести бумажный (электронный, аудио) вариант у правообладателей.