Основы машинного обучения в примерах (Machine learning basics by example)

Автор: | 29.12.2020

Введение в AI и полезные ссылки

Использовать традиционный алгоритмический подход для приложений с искусственным интеллектом уже стало не модно. Что приходит на смену? Как не зная алгоритм, а просто имея данные и ответ, получить из них алгоритм? Альтернатива традиционному алгоритмическому подходу – нейронная сеть, которую можно обучать предсказывать результат по выборке для обучения.

Данные делятся на тренировочную выборку (train) и тестовую (test). Для тренировочной части известно значение целевой переменной (target), для тестовой — нет. Задача — создать модель, которая, будучи обучена на тренировочной части данных, выдаст максимально точный результат на тестовой.

Tensorflow, Python, Visual Studio. Quick start

Простейшие нейронные сети на Python в Visual Studio

Из этой статьи вы узнаете, как написать простую нейросеть на Python в среде Visual Studio.

Обнаружение лица и выделение характерных точек

Программные коды из этой статьи лежат в основе примеров задач для машинного обучения (см. ниже).

Машинное обучение распознавать поворот лица

Адекватность и оптимальность нейронной сети на примере распознавания поворота головы

Первое, что может спросить у вас заказчик программного продукта: «В каких рамках могу я доверять вашей модели нейронной сети (НС) и на сколько она оптимальна?».

Модель адекватна. Сходимость результатов обучения к одному значению (или к очень близкому) — необходимое условие того, что между выходными и входными данными есть какой-то закон, который реализуется нейронной сетью. Достаточное условие адекватности модели — предсказуемость результатов в интервале всего множества данных, включая и те, которые не участвовали в обучении.

Модель оптимальна. При условии получения адекватных результатов оптимальность НС определяется простотой архитектуры, минимальной достаточностью количества циклов обучения и как следствие — минимальным объемом необходимых вычислений. Важна сложность, но задачи, а не сети. Важна точность решения этой задачи. Важно быстродействие.

Face recognition. Python, DLIB

Изображение каждого лица обрабатывается уже обученной сверточной нейронной сетью

Как работает сверточная нейронная сеть: архитектура, примеры, особенности

How to Classify Photos of Dogs and Cats

В этой статье изложена поэтапная разработка глубокой сверточной нейронной сети для классификации фотографий собак и кошек

Решение задачи с алгоритмическим подходом  и при помощи нейросети

Сравнивая 2 подхода к решению одной и той же задачи (распознавание фруктов и овощей)  можете оценить, какой подход лучше.

 

Полезные ссылки: