Руководство для начинающих по самой популярной на сегодняшний день технологии — МАШИННОЕ ОБУЧЕНИЕ

Что такое машинное обучение?

• Машинное обучение – это возможность учиться на
примерах и опыте, без
явного программирования.

• Вместо написания кода вы вводите данные в общий
алгоритм, и он строит логику на основе
предоставленных данных.

Разница между AI, ML и DL

Разница между традиционным программированием и машинным обучением

Почему машинное обучение?

•Сокращение времени, правила программирования!

• Машинное обучение как технология помогает анализировать большие объемы данных.

• Машинное обучение обеспечивает быстрые, точные и гибкие решения.

Блок-схема машинного обучения

Простой пример машинного обучения

  • импортировать тензорный поток как tf

• импортировать numpy как np

• из keras импорта tensorflow

• model=keras.Sequential([keras.layers.Dense(units=1,input_shape=[1])])

• model.compile(optimizer=’sgd’,loss=’mean_squared_error’)

• x=np.array([1,2,3,4,5,6],dtype=int)

• y=np.array([3,5,7,9,11,13],dtype=int)

• model.fit(xs,ys,epochs=500)

• n=int(input())

  • print(model.predict([n]))

Давайте подумаем о коде

• Что машинного обучения из значений x и y?

• Он пытается нарисовать кривую между значениями x и y.

• Он предсказал соотношение y=2*x+1.

• Что делать, если n = 7?

• Идеальный результат – 15.

  • Предполагаемый результат – 15,0614395 с убытком 0,0018.

Типы машинного обучения

  1. УПРАВЛЯЕМОЕ МАШИННОЕ ОБУЧЕНИЕ

• Обучение с учителем — это задача машинного обучения для изучения функции, которая сопоставляет входные данные с выходными на основе примеров пар вход-выход.

• Его можно реализовать с помощью регрессии и классификации.

  • АЛГОРИТМЫ – линейная регрессия, логистическая регрессия, деревья решений, метод опорных векторов.

2. НЕУПРАВЛЯЕМОЕ МАШИННОЕ ОБУЧЕНИЕ

•Это задача машинного обучения для определения функции, описывающей структуру «неразмеченных» данных.

• Не существует простого способа оценить точность структуры, создаваемой алгоритмом.

• АЛГОРИТМЫ: кластеризация K-средних, смесь Гаусса, скрытая марковская модель.

3. ПОДДЕРЖИВАНИЕ МАШИННОГО ОБУЧЕНИЯ

• Обучение с подкреплением — важный тип машинного обучения, когда агент учится вести себя в окружающей среде.

выполняя действия и видя результаты.

  • АЛГОРИТМЫ – критерий оптимальности, перебор, оценочная функция.

Предпосылки для машинного обучения

• алгебра начального уровня

• Статистика

• Вероятность

• Расчет

• Любой язык программирования-

  • C, C++, Java, Python, R

Почему машинное обучение с Python?

Пакеты, пакеты повсюду

• Хотите работать с изображениями — NumPy, OpenCV, scikit

• Хотите работать с текстом — nltk, pandas, scikit

• Хотите работать со звуком — librosa

• Хотите решить проблему машинного обучения —

TensorFlow, панды, scikit

• Хотите четко видеть данные — matplotlib, seaborn, scikit

  • Хотите использовать глубокое обучение — TensorFlow, PyTorch

Тензорный поток

• TensorFlow – это платформа машинного обучения, созданная Google и используемая для разработки, создания и обучения моделей машинного обучения.

• Его гибкая архитектура позволяет легко развертывать вычисления на различных платформах (ЦП, ГП, ТПУ), от настольных компьютеров до кластеров серверов, мобильных и пограничных устройств.

  • Для получения дополнительной информации посетите сайт www.tensorflow.org

IDE Python для машинного обучения

• Спайдер

• Блокнот Jupyter или блокнот Ipython

• Совместная работа с Google(https://colab.research.google.com/)

• Пичарм

• Отличный текст

  • Оболочка Python с использованием анаконды

Приложения машинного обучения

• Виртуальные личные помощники (Siri, Alexa, Google Home)

• Распознавание лиц

• Фильтрация спама и вредоносного ПО в электронной почте

• Обнаружение мошенничества

• Онлайн-поддержка клиентов (чат-бот)

• Рекомендации по продуктам

  • Здравоохранение и сельское хозяйство

Ресурсы для изучения

• Курсы Coursera от Эндрю Нг

• Курсы NPTEL

• Курсы Udemy

• Ускоренный курс по машинному обучению от Google

• Каналы Youtube (Siraj Raval и Google Developers)

  • Введение в машинное обучение с помощью Python (книга)