Введение 3
Глава 1. Машинное обучение как область знаний искусственного интеллекта 5
1.1 Машинное обучение и его виды 5
1.2 Задачи машинного обучения без учителя и их типология 9
Выводы по главе 11
Глава 2. Практическая часть 12
2.1 Использование машинного обучения без учителя 12
2.2 Сравнение лингвистических проектов, где применяется машинное обучение без учителя 14
Выводы по главе 20
Заключение 21
Список использованной литературы 23
Актуальность. Рост производительности современных ПК и портативных устройств, таких как смартфоны, дает возможность использовать методы машинного обучения для решения практически любой задачи с целью улучшения качества получаемых результатов (например, точность, скорость и персонализация).
Машинное обучение с каждым днем занимает всё большее место в нашей жизни ввиду огромного спектра его применений. Начиная от анализа пробок и заканчивая самоуправляемыми автомобилями, всё больше задач перекладывается на самообучаемые машины.
На сегодняшний день существует 3 типа алгоритмов машинного обучения:
- Обучение с учителем (supervised learning);
- Обучение без учителя (unsupervised learning);
- Обучение с подкреплением (reinforcement learning).
Машинное обучение представляет из себя компьютерные программы, которые оптимизируют себя, с помощью образцов данных или прошлого опыта. У нас есть модели, имеющие некоторые параметры, и обучение представляет из себя выполнение программы для оптимизации параметров модели с использованием учебных данных или прошлого опыта. Модель может быть предсказательной, то есть делающей прогнозы на будущее, или описательной, то есть извлекающей знания из данных, а может включать и то и другое.
Машинное обучение использует статистику для построения математических моделей, потому что основной задачей является получение вывода на основе некоторого образца.
...
Войти
в кабинет
в кабинет
Пролистайте материалы и убедитесь в качестве
Машинное обучение без учителя #1901155
Артикул: 1901155
- Предмет: Информационные технологии
- Уникальность: 81% (Антиплагиат.ВУЗ)
- Разместил(-а): 738 Алина в 2018 году
- Количество страниц: 25
- Формат файла: docx
- Последняя покупка: 01.02.2024
1 970p.
1. Бринк Х., Ричардс Дж., Феверолф М. Машинное обучение. СПб.: Питер, 2017. — 336 с.
2. Волков К., Забродина Е. В Японии изобрели «беспилотный» грузовик // Российская газета. – 24.11.2016. – №267. [электронный ресурс] – Режим доступа. – URL: https://rg.ru/2016/11/24/v-iaponii-vypustili-pervyj-v-mirebespilotnyj-samosval.html
3. Вьюгин В.В. Математические основы теории машинного обучения и прогнозирования. М.: МЦНМО, 2013. — 390 с.
4. Домингос Педро. Верховный алгоритм. Как машинное обучение изменит наш мир. М.: Манн, Иванов и Фербер, 2016. — 336 с.
5. Зачем нужно машинное обучение https://hackerx.ru/machine-learning-python/
6. Маркин С. Д. Машинное обучение: шаг навстречу будущему и сдерживающие факторы https://elibrary.ru/download/elibrary_29045758_51747720.pdf
7. Машинное обучение для понимания естественного языка https://www.osp.ru/os/2016/01/13048649/
8. Нафиков М. Обзор задач компьютерного зрения в медицине // ресурс для IT-специалистов. – 04.09.2016. – [электронный ресурс] – Режим доступа. – URL: https://habrahabr.ru/post/309152/
9. Петухов Д. Machine Learning в коммерческих банках // сетевое издание. 25.07.2015. – [электронный ресурс] – Режим доступа. – URL: http://www.codeinstinct.pro/2015/07/big-data-in-banking.html
10. Попов А.А.. Основы теории машинного обучения. Методические указания к лабораторным работам для студентов ФПМИ, обучающихся по направлению 02.04.03 Математическое обеспечение и администрирование информационных систем. — Новосибирск: Новосибирский государственный технический университет, 2017. — 43 с.
11. Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных. М.: ДМК Пресс, 2015. — 400 с.
12. Эриксон Г. Выбор алгоритмов машинного обучения Microsoft Azure // Документация Microsoft Azure. – 14.03.2017. – [электронный ресурс] – Режим доступа. – URL: https://docs.microsoft.com/ru-ru/azure/machinelearning/machine-learning-algorithm-choice
13. Chang Xu et. al. RC-NET: A General Framework for Incorporating Knowledge into Word Representations // Proceedings of the 23rd ACM International Conference on Information and Knowledge Management. P. 1219–1228. URL: http://research.microsoft.com/pubs/226869/%5BCIKM2014%5D%20RC-NET.pdf
14. Marr Bernard. Cheat Sheet: 5 Things Everyone Should Know About Machine Learning // Forbes. 22.09.2016. – [электронный ресурс] – Режим доступа. – URL: https://www.forbes.com/sites/bernardmarr/2016/09/22/cheat-sheet-5-thingseveryone-should-know-about-machine-learning/#7d481bb32dcf
15. Sergey Bartunov et. al. Breaking Sticks and Ambiguities with Adaptive Skip-gram. // International Conference on Artificial Intelligence and Statistics (AISTATS), 2016, arxiv.org. URL: http://arxiv.org/abs/1502.07257
16. Tomas Mikolov et. al. Efficient Estimation of Word Representations in Vector Space, arxiv.org. URL: http://arxiv.org/pdf/1301.3781.pdf
2. Волков К., Забродина Е. В Японии изобрели «беспилотный» грузовик // Российская газета. – 24.11.2016. – №267. [электронный ресурс] – Режим доступа. – URL: https://rg.ru/2016/11/24/v-iaponii-vypustili-pervyj-v-mirebespilotnyj-samosval.html
3. Вьюгин В.В. Математические основы теории машинного обучения и прогнозирования. М.: МЦНМО, 2013. — 390 с.
4. Домингос Педро. Верховный алгоритм. Как машинное обучение изменит наш мир. М.: Манн, Иванов и Фербер, 2016. — 336 с.
5. Зачем нужно машинное обучение https://hackerx.ru/machine-learning-python/
6. Маркин С. Д. Машинное обучение: шаг навстречу будущему и сдерживающие факторы https://elibrary.ru/download/elibrary_29045758_51747720.pdf
7. Машинное обучение для понимания естественного языка https://www.osp.ru/os/2016/01/13048649/
8. Нафиков М. Обзор задач компьютерного зрения в медицине // ресурс для IT-специалистов. – 04.09.2016. – [электронный ресурс] – Режим доступа. – URL: https://habrahabr.ru/post/309152/
9. Петухов Д. Machine Learning в коммерческих банках // сетевое издание. 25.07.2015. – [электронный ресурс] – Режим доступа. – URL: http://www.codeinstinct.pro/2015/07/big-data-in-banking.html
10. Попов А.А.. Основы теории машинного обучения. Методические указания к лабораторным работам для студентов ФПМИ, обучающихся по направлению 02.04.03 Математическое обеспечение и администрирование информационных систем. — Новосибирск: Новосибирский государственный технический университет, 2017. — 43 с.
11. Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных. М.: ДМК Пресс, 2015. — 400 с.
12. Эриксон Г. Выбор алгоритмов машинного обучения Microsoft Azure // Документация Microsoft Azure. – 14.03.2017. – [электронный ресурс] – Режим доступа. – URL: https://docs.microsoft.com/ru-ru/azure/machinelearning/machine-learning-algorithm-choice
13. Chang Xu et. al. RC-NET: A General Framework for Incorporating Knowledge into Word Representations // Proceedings of the 23rd ACM International Conference on Information and Knowledge Management. P. 1219–1228. URL: http://research.microsoft.com/pubs/226869/%5BCIKM2014%5D%20RC-NET.pdf
14. Marr Bernard. Cheat Sheet: 5 Things Everyone Should Know About Machine Learning // Forbes. 22.09.2016. – [электронный ресурс] – Режим доступа. – URL: https://www.forbes.com/sites/bernardmarr/2016/09/22/cheat-sheet-5-thingseveryone-should-know-about-machine-learning/#7d481bb32dcf
15. Sergey Bartunov et. al. Breaking Sticks and Ambiguities with Adaptive Skip-gram. // International Conference on Artificial Intelligence and Statistics (AISTATS), 2016, arxiv.org. URL: http://arxiv.org/abs/1502.07257
16. Tomas Mikolov et. al. Efficient Estimation of Word Representations in Vector Space, arxiv.org. URL: http://arxiv.org/pdf/1301.3781.pdf
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач,
сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением.
Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения,
соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
| Тема: | Машинное обучение без учителя |
| Артикул: | 1901155 |
| Дата написания: | 29.05.2018 |
| Тип работы: | Курсовая работа |
| Предмет: | Информационные технологии |
| Оригинальность: | Антиплагиат.ВУЗ — 81% |
| Количество страниц: | 25 |
Скрин проверки АП.ВУЗ приложен на последней странице.
Файлы артикула: Машинное обучение без учителя по предмету информационные технологии
Пролистайте "Машинное обучение без учителя" и убедитесь в качестве
После покупки артикул автоматически будет удален с сайта до 03.07.2024
Посмотреть остальные страницы ▼
Честный антиплагиат!
Уникальность работы — 81% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.
ПРЕДЫДУЩАЯ РАБОТА
Комиссия по делам несовершеннолетних. Правовой статус и их полномочия.
СЛЕДУЮЩАЯ РАБОТА
Государственная социальная помощь