Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 595396)
Консорциум Контекстум Информационная технология сбора цифрового контента
Уважаемые СТУДЕНТЫ и СОТРУДНИКИ ВУЗов, использующие нашу ЭБС. Рекомендуем использовать новую версию сайта.

Занимательное машинное обучение : манга (1500,00 руб.)

0   0
Первый авторМасахиро Араки
ИздательствоМ.: ДМК Пресс
Страниц216
ID794956
АннотацияСотруднику городской администрации Киёхара Кадзума поручено задание, которое без машинного обучения не выполнить. Под руководством своей давней знакомой Мияно Саяка он осваивает премудрости работы с искусственным интеллектом — от самых азов до глубокого обучения. Вместе с героями манги читатели узнают о том, что такое регрессия и как проводить классификацию, ознакомятся с принципами оценки тестовых данных и особенностями работы нейронных сетей. В заключительной части излагаются методы обучения без учителя. Издание предназначено для тех, кто начинает знакомство с машинным обучением и освоил математику на уровне первых курсов университета.
ISBN978-5-97060-830-2
УДК4.4
ББК32.972
Масахиро, А. Занимательное машинное обучение : манга / А. Масахиро .— Москва : ДМК Пресс, 2020 .— 216 с. — ISBN 978-5-97060-830-2 .— URL: https://rucont.ru/efd/794956 (дата обращения: 27.09.2022)

Предпросмотр (выдержки из произведения)

Занимательное_машинное_обучение__манга.pdf
УДК 004.4 ББК 32.972 А79 А79 Занимательная манга. Машинное обучение: манга / Араки Масахиро (автор), Ватари Макана (худ.); пер. с яп. А. С. Слащевой. — М.: ДМК Пресс, 2020. — 214 с. : ил. — (Серия «Образовательная манга»). — Доп. тит. л. яп. Араки М., Ватари М. ISBN 978-5-97060-830-2 к Сотруднику городской администрации Киёхара Кадзума поручено задание, нтеллектом – от самых азов до глубокого обучения. п Вместе с героями манги читатели узнают о том, что такое регрессия и как ением и освоил математику на уровне первых курсов университета. ноторое без машинного обучения не выполнить. Под руководством своей давией знакомой Мияно Саяка он осваивает премудрости работы с искусственным нроводить классификацию, ознакомятся с принципами оценки тестовых данг ых и особенностями работы нейронных сетей. В заключительной части излаУДК 004.4 ББК 32.972 Manga de Wakaru Kikai Gakushu (Manga Guide: Machine Learning ) By Araki Masaxiro (Author), Illustration by Vatari Makana Published by Ohmsha, Ltd. Russian language edition copyright © 2020 by DMK Press Все права защищены. Никакая часть этого издания не может быть воспроизведена ф в любой форме или любыми средствами, электронными или механическими, включая нотографирование, ксерокопирование или иные средства копирования или сохранеCopyright © 2018 by and Office sawa, Ltd. © Издание, перевод, ДМК Пресс, 2019 аются методы обучения без учителя. ч Издание предназначено для тех, кто начинает знакомство с машинным обуия информации, без письменного разрешения издательства. ISBN 978-4-274-22244-3 (яп.) ISBN 978-5-97060-830-2 (рус.)
Стр.5
содержание ПРЕДИСЛОВИЕ ....................................................................................... V Пролог ПОГОВОРИМ О МАШИННОМ ОБУЧЕНИИ ...................1 В кабинете у Саяка (1). Саяка и старшеклассница Ай ...........................14 Глава 1 ЧТО ТАКОЕ РЕГРЕССИЯ ...............................................................15 1.1. Сложности с прогнозом ..........................................................................16 1.2. Определяем зависимые и независимые переменные ................17 1.3. Находим функцию линейной регрессии ........................................ 20 1.4. Регуляризация результата ...................................................................... 22 В кабинете у Саяка (2). Математическое повторение (1) .................... 34 Глава 2 КАК ДЕЛАТЬ КЛАССИФИКАЦИЮ? ....................................39 2.1. Приводим данные в порядок ............................................................... 46 2.2. Определяем класс данных .................................................................. 47 2.3. Логистическая регрессия ..................................................................... 49 2.4. Классификация по решающему дереву .......................................... 55 В кабинете у Саяка (3). Математическое повторение (2) ................... 74 VI Содержание
Стр.7
Глава 3 ОЦЕНКА РЕЗУЛЬТАТОВ ..............................................................77 3.1. Без проверки тестовых данных никак нельзя ................................ 82 3.2. Обучающая, тестовая и проверочная выборки ............................. 83 3.3. Метод перекрестной проверки (кросс-валидации) ..................... 85 3.4. Доля правильно предсказанных объектов, точность, полнота и F-мера ............................................................................................. 87 В кабинете у Саяка (4). Математическое повторение (3).................... 95 Глава 4 ГЛУБОКОЕ ОБУЧЕНИЕ ...................................................................97 4.1. Нейронная сеть ....................................................................................... 103 4.2. Обучение методом обратного распространения ошибок ....... 107 4.3. Вызовы глубокого обучения ................................................................111 4.3.1. Проблема глубокой нейронной сети .................................. 112 4.3.2. Хитрости многоступенчатого обучения 1. Метод предварительного обучения ............................................ 113 4.3.3. Хитрости многоступенчатого обучения 2. Функция активации ........................................................................... 115 4.3.4. Хитрости многоступенчатого обучения 3. Как избежать переобучения ........................................................... 117 4.3.5. Нейронные сети со специализированной структурой ................................................................................................ 118 В кабинете у Саяка (5). Математическое повторение (4) ................. 134 Глава 5 АНСАМБЛЕВЫЕ МЕТОДЫ .................................................... 139 5.1. Бэггинг ....................................................................................................... 146 5.2. Cлучайный лес ........................................................................................149 5.3. Бустинг ...................................................................................................... 152 В кабинете у Саяка (6). Математическое повторение (5) ................. 160 Содержание VII
Стр.8
Глава 6 ОБУЧЕНИЕ БЕЗ УЧИТЕЛЯ ...................................................... 165 6.1. Кластеризация ..........................................................................................172 6.1.1. Иерархическая кластеризация ...............................................173 6.1.2. Разделяющая кластеризация ................................................. 175 6.2. Разложение матрицы .............................................................................179 В кабинете у Саяка (7). Математическое повторение (6) .................. 191 ЭПИЛОГ ................................................................................................... 197 ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ ................................................ 205 VIII Содержание
Стр.9

Облако ключевых слов *


* - вычисляется автоматически