Архив автора: sv

Введение Шпаргалка к описанию программы Программный код Полезные ссылки Введение Машинное обучение — это алгоритм обучения, реализующий постепенное улучшение исполнения поставленной задачи. Важно знать типы и технологии машинного обучения, чтобы создать правильную среду обучения. Обучение с учителем (Supervised). Данные в виде примеров с метками подаются компьютерной программе, которая при выполнении учится приближаться к точному предсказанию отношений между примерами… Читать далее »

Введение  Обзор методов кластеризации Пример секционной кластеризации (K-Means и K-Nearest Neighbors) Пример иерархической кластеризации (агломеративная и разделительная) Пример кластеризации на основе плотности (DBSCAN) Метод главных компонент Полезные ссылки Введение Неконтролируемое обучение (Unsupervised) — это класс методов машинного обучения (ML), используемых для поиска закономерностей в данных. Как правило, это пригодно только для задач, в которых известны… Читать далее »

Введение  Пример DQN программы Алгоритм обучения нейросети в методе DQN Полезные ссылки Введение Прежде, чем переходить к освоению Deep Q-learning Network (DQN) ознакомьтесь с методом Q-Learning. Разницу между методами Q-Learning и DQN можно проиллюстрировать следующим образом: Заменив таблицу значений Q table на нейронную сеть (Neural network, NN), мы получаем метод DQN. В DQN на вход нейросети подается текущее состояние (state, s), а на… Читать далее »

Введение  Пример простой программы, демонстрирующей Q-Learning Вербальная модель Q-Learning Марковский процесс принятия решений Формальная модель Q-Learning Алгоритм обновления Q-value Выбор гиперпараметров Введение в Deep Q-Learning Полезные ссылки Введение Среди алгоритмов машинного обучения особое место занимают такие, где алгоритм учится решать поставленную задачу самостоятельно без участия человека, напрямую взаимодействуя со средой в которой он обучается. Такие алгоритмы… Читать далее »

Tags: Google Colab, Jupyter Notebook, iPython, ML, Cloud Введение  Jupyter-ноутбук Google Colab Полезные ссылки Введение Облачные вычисления определяются как хранение и доступ к данным и вычислительным услугам через интернет. Для создания корпоративных систем машинного обучения используют  одну из облачных платформ — Google Cloud Platform (GCP),  Amazon Web Services (AWS), Microsoft Azure,  Kubernetes, IBM Cloud и другие. Для обучения ML рекомендуется  использовать бесплатный облачный… Читать далее »