Изменение пароля
Пользователь
anonymous
Текущий пароль
*
Новый пароль
*
Подтверждение
*
Запомнить меня
Забыли пароль?
Электронная библиотека (16+)
Впервые на сайте?
Вход
/
Регистрация
Национальный цифровой ресурс
Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 633655)
Для выхода нажмите Esc или
Занимательное машинное обучение : манга (3000,00 руб.)
0
0
Первый автор
Масахиро Араки
Издательство
М.: ДМК Пресс
Страниц
216
Предпросмотр
ID
794956
Аннотация
Сотруднику 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.
ISBN
978-5-97060-830-2
УДК
4.4
ББК
32.972
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: 29.03.2024)
Предпросмотр (выдержки из произведения)
Резюме документа
Страницы
Текст
Занимательное_машинное_обучение__манга.pdf
Стр.5
Стр.7
Стр.8
Стр.9
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