NumPy — для хранения массивов и выполнения сложных математических вычислений;
• Pandas — для хранения, обработки и анализа больших наборов данных;
• Matplotlib — для построения графиков данных;
• Turi Create — для хранения и обработки данных, а также обучения моделей;
• Scikit-Learn — для обучения моделей машинного обучения;
• Keras (TensorFlow) — для обучения нейронных сетей.
Один из способов определить, подходит ли модель, — протестировать ее. Как раз это мы и сделаем. Тестирование модели состоит в выборе небольшого набора точек из набора данных и использовании их не для обучения, а для тестирования эффективности модели. Такой набор точек называется тестовым набором. Оставшийся набор точек (большинство), который задействуется для обучения модели, называется обучающим набором. Обучив модель, применим тестовый набор для ее оценки. Т
АЛГОРИТМ — процедура или набор шагов, используемых для решения задачи или выполнения вычисления. Здесь цель алгоритма — построение модели.
МОДЕЛЬ — набор правил, которые представляют наши данные и могут быть задействованы для прогнозирования.
ГЛУБОКОЕ ОБУЧЕНИЕ — область машинного обучения, использующая объекты, называемые нейронными сетями.
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ — набор всех задач, в которых компьютер может принимать решения.
МАШИННОЕ ОБУЧЕНИЕ — набор всех задач, в которых компьютер может принимать решения на основе данных.
составления прогнозов в ней применяются линейные функции (прямые или аналоги) на основе признаков.
Обучение с подкреплением применяется во множестве передовых областей. В их числе:
Наиболее популярный генеративный алгоритм — это генеративные состязательные сети (GAN), разработанные Яном Гудфеллоу с соавторами. Другие полезные и популярные генеративные алгоритмы: вариационные автокодеры, созданные Кингмой и Веллингом, и ограниченные машины Больцмана (RBMs), разработанные Джеффри Хинтоном.
