- Цель машинного обучения — найти закономерности в данных и использовать эти закономерности для оценок.
- Машинное обучение отличается от обычной разработки программного обеспечения тем, что мы используем специальный код, а не собственную интуицию, чтобы улучшить работу программного обеспечения.
- Процесс обучения концептуально использует четыре компонента:
- Данные по интересующей нас теме.
- Модель, которая делает оценки.
- Цель, которую пытается достичь модель.
- Оптимизатор, представляющий собой дополнительный код, изменяющий модель в зависимости от ее производительности.
- Данные можно рассматривать как функции и метки. Функции соответствуют потенциальным входным данным модели, а метки соответствуют выходным данным модели или желаемым выходным данным модели.
- Pandas и Plotly — мощные инструменты для изучения наборов данных в Python.
- Получив обученную модель, мы можем сохранить ее на диск для дальнейшего использования.
Краткое изложение базового машинного обучения от Microsoft Learn
schedule
26.10.2023