Машинное обучение - История изменений

Admin в 14:45, 17 августа 2019

2019-08-17T14:45:23Z

Admin: /* Ссылки */

2017-12-11T21:04:00Z

‎Ссылки

Admin: /* Решаемые задачи */

2017-12-11T21:03:10Z

‎Решаемые задачи

Admin: /* Ссылки */

2017-01-17T15:36:36Z

‎Ссылки

Admin: /* Решаемые задачи */

2016-12-21T06:38:17Z

‎Решаемые задачи

Admin: /* Решаемые задачи */

2016-12-21T06:33:44Z

‎Решаемые задачи

Admin в 07:18, 13 декабря 2016

2016-12-13T07:18:02Z

Admin в 09:47, 25 октября 2016

2016-10-25T09:47:27Z

Admin: /* Сферы применения */

2016-10-24T12:58:46Z

‎Сферы применения

Admin в 12:59, 17 октября 2016

2016-10-17T12:59:25Z

@@ Строка 15: / Строка 15: @@
 == Способы обучения ==
 * '''Обучение с учителем''' — для каждого прецедента задаётся пара «ситуация, требуемое решение»:
-*# Метод коррекции ошибки
+*# Метод коррекции ошибки;
-*# Метод обратного распространения ошибки
+*# Метод обратного распространения ошибки.
 * '''Обучение без учителя''' — для каждого прецедента задаётся только «ситуация», требуется сгруппировать объекты в кластеры, используя данные о попарном сходстве объектов, и/или понизить размерность данных:
-*# Альфа-система подкрепления
+*# Альфа-система подкрепления;
-*# Гамма-система подкрепления
+*# Гамма-система подкрепления;
-*# Метод ближайших соседей
+*# Метод ближайших соседей.
 * '''Обучение с подкреплением''' — для каждого прецедента имеется пара «ситуация, принятое решение»:
-*# Генетический алгоритм.
+*# [[Эволюционные алгоритмы|Генетический алгоритм]].
-* '''Активное обучение''' — отличается тем, что обучаемый алгоритм имеет возможность самостоятельно назначать следующую исследуемую ситуацию, на которой станет известен верный ответ
+* '''Активное обучение''' — отличается тем, что обучаемый алгоритм имеет возможность самостоятельно назначать следующую исследуемую ситуацию, на которой станет известен верный ответ.
-* '''Обучение с частичным привлечением учителя''' (semi-supervised learning) — для части прецедентов задается пара «ситуация, требуемое решение», а для части — только «ситуация»
+* '''Обучение с частичным привлечением учителя''' (semi-supervised learning) — для части прецедентов задается пара «ситуация, требуемое решение», а для части — только «ситуация».
-* '''Трансдуктивное обучение''' (transduction) — обучение с частичным привлечением учителя, когда прогноз предполагается делать только для прецедентов из тестовой выборки
+* '''Трансдуктивное обучение''' (transduction) — обучение с частичным привлечением учителя, когда прогноз предполагается делать только для прецедентов из тестовой выборки.
-* '''Многозадачное обучение''' (multi-task learning) — одновременное обучение группе взаимосвязанных задач, для каждой из которых задаются свои пары «ситуация, требуемое решение»
+* '''Многозадачное обучение''' (multi-task learning) — одновременное обучение группе взаимосвязанных задач, для каждой из которых задаются свои пары «ситуация, требуемое решение».
-* '''Многовариантное обучение''' (multiple-instance learning) — обучение, когда прецеденты могут быть объединены в группы, в каждой из которых для всех прецедентов имеется «ситуация», но только для одного из них (причем, неизвестно какого) имеется пара «ситуация, требуемое решение»
+* '''Многовариантное обучение''' (multiple-instance learning) — обучение, когда прецеденты могут быть объединены в группы, в каждой из которых для всех прецедентов имеется «ситуация», но только для одного из них (причем, неизвестно какого) имеется пара «ситуация, требуемое решение».
 == Решаемые задачи ==

@@ Строка 83: / Строка 83: @@
 * [https://github.com/ZuzooVn/machine-learning-for-software-engineers Top-down learning path: Machine Learning for Software Engineers]
 * [http://martin.zinkevich.org/rules_of_ml/rules_of_ml.pdf Rules of Machine Learning: Best Practices]
 [[Категория:Дисциплины]]
 [[Категория:Искусственный интеллект]]

@@ Строка 40: / Строка 40: @@
 [http://scikit-learn.org/stable/tutorial/machine_learning_map/ Scikit Learn] предлагает карту выбора нужного алгоритма для решения той или иной задачи:
-[[Файл:scikit-learn-map.png|center|1000px]]
+[[Файл:scikit-learn-map.png|center|800px]]
 == Сферы применения ==

@@ Строка 82: / Строка 82: @@
 == Ссылки ==
 * [https://github.com/ZuzooVn/machine-learning-for-software-engineers Top-down learning path: Machine Learning for Software Engineers]
 [[Категория:Дисциплины]]
 [[Категория:Искусственный интеллект]]

@@ Строка 40: / Строка 40: @@
 [http://scikit-learn.org/stable/tutorial/machine_learning_map/ Scikit Learn] предлагает карту выбора нужного алгоритма для решения той или иной задачи:
-[[Файл:scikit-learn-map.png|center|800px]]
+[[Файл:scikit-learn-map.png|center|1000px]]
 == Сферы применения ==

@@ Строка 37: / Строка 37: @@
 * '''Одноклассовая классификация и выявление новизны'''
 * '''Построение ранговых зависимостей'''
 == Сферы применения ==

@@ Строка 75: / Строка 75: @@
 * [https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034-artificial-intelligence-fall-2010/lecture-videos/ Видеолекции UC Berkeley]
 * [https://www.kaggle.com/ образовательный проект Kaggle]
 [[Категория:Дисциплины]]
 [[Категория:Искусственный интеллект]]

← Предыдущая		Версия 09:47, 25 октября 2016
Строка 1:		Строка 1:
−	'''Машинное обучение''' (англ. Machine Learning) — обширный подраздел искусственного интеллекта, математическая дисциплина извлекающая знания из данных.	+	'''Машинное обучение''' (англ. Machine Learning) — обширный подраздел [[AI\|искусственного интеллекта]], математическая дисциплина извлекающая знания из данных.

	Дисциплина машинного обучения использует следующие разделы:		Дисциплина машинного обучения использует следующие разделы:

@@ Строка 42: / Строка 42: @@
 * '''Распознавание жестов''' - преобразование жестов (росчерков, англ. gesture) в цифровую информацию (клавиатурные команды, сочетания клавиш, текстовые данные)
 * '''Распознавание рукописного ввода''' - преобразование рукописного ввода в цифровую информацию
-* '''Распознавание образов''' - классификация и идентификация предметов, явлений, процессов, сигналов, ситуаций и т. п. объектов, которые характеризуются конечным набором некоторых свойств и признаков
+* '''[[Распознавание образов]]''' - классификация и идентификация предметов, явлений, процессов, сигналов, ситуаций и т. п. объектов, которые характеризуются конечным набором некоторых свойств и признаков
 * '''[[Техническая диагностика]]''' - определение технического состояния объектов.
 * '''Медицинская диагностика''' - процесс установления диагноза, то есть заключения о сущности болезни и состоянии пациента

@@ Строка 5: / Строка 5: @@
 * численных методов оптимизации,
 * теории вероятностей,
-* дискретного анализа,
+* дискретного анализа.
 == Типы обучения ==
@@ Строка 60: / Строка 60: @@
 * '''Обучение ранжированию в информационном поиске'''
-== Ссылки ==
+== Программное обеспечение ==
-* [https://www.coursera.org/learn/machine-learning Курс Эндрю Энга из Стэнфордского университета по машинному обучению]
+* [https://www.tensorflow.org/ TensorFlow] - библиотека для машинного обучения от Google
 * [https://www.udacity.com/course/machine-learning-supervised-learning--ud675 Курс по машинному обучению на Udacity]
 * [http://www.reddit.com/r/machinelearning Сообщество Machine Learning на Reddit]
 [[Категория:Дисциплины]]
 [[Категория:Искусственный интеллект]]