Скачать
Скачать
Скачать
Kail
Организатор
- Регистрация
- 09.04.2020
- Сообщения
- 451 918
- Реакции
- 44 812
- Монеты
- 1 191
- Оплачено
- 0
- Баллы
- 0
- #SkladchinaVip
- #1
Машинное обучение: как его понимать. И как заработать на машинном обучении и искусственном интеллекте [Маргарита Акулич]
- Ссылка на картинку
-
В предлагаемой книге с опорой на англоязычные источники рассказано о весьма популярном сегодня направлении — машинном обучении. Раскрыты его определение и ряд аспектов. Помимо этого, даны советы по зарабатыванию на машинном обучении и искусственном интеллекте.
Содержание
I Машинное обучение: базовые аспекты
1.1 Понятие машинного обучения. Математические основы ML
1.2 Преследуемые современным Ml цели. Машинное обучение как область искусственного интеллекта
1.3 Теория вычислительного обучения
II Машинное обучение и ряд других областей
2.1 Ml и интеллектуальный анализ данных. Пересечение Ml и DM
2.2 Ml и физика. Ml и статистика. ML и оптимизация
III История и Цели современного машинного обучения
3.1 Введение термина «машинное обучение». Разработка экспериментальной «самообучающейся машины»
3.2 Книга Нильссона «Learning Machines». Сохранение интереса к распознаванию образов
3.3 Определение Тома М. Митчелла. Цели современного машинного обучения
IV Подходы к машинному обучению
4.1 Подход контролируемого обучения
4.2 Подход неконтролируемого обучения
4.3 Подход полуконтролируемого обучения. Подход обучения с подкреплением. Снижение размерности. Другие подходы
V Самообучение. Обучение по признакам. Обучение по разреженному словарю
5.1 Самообучение
5.2 Обучение по признакам
5.3 Обучение по разреженному словарю
5.4 Обнаружение аномалий
VI Обучение роботов. Правила ассоциаций. Индуктивное логическое программирование. Модели
6.1 Обучение роботов
6.2 Обучение по правилам ассоциаций
6.3 Индуктивное логическое программирование. Модели
VII Искусственные нейронные сети. Деревья решений. Опорно-векторные машины
7.1 Искусственные нейронные сети
7.2 Деревья решений
7.3 Машины с опорными векторами
VIII Регрессионный анализ. Байесовские сети. Гауссовские процессы
8.1 Регрессионный анализ
8.2 Байесовские сети
8.3 Гауссовские процессы
IX Генетические алгоритмы. Функции убеждений. Обучение моделей
9.1 Генетические алгоритмы
9.2 Функции убеждений
9.3 Обучение
моделей
9.4 Федеративное обучение
X Итак, теперь машины тоже думают!
10.1 Теперь машины тоже думают. Машинное обучение и его отличие от искусственного интеллекта
10.2 Искусственный интеллект. Машинное обучение и технологии
XI Советы по зарабатыванию на машинном обучении и искусственном интеллекте
Формат: epub, fb2, pdfRead, mobi + еще 6
Содержание
I Машинное обучение: базовые аспекты
1.1 Понятие машинного обучения. Математические основы ML
1.2 Преследуемые современным Ml цели. Машинное обучение как область искусственного интеллекта
1.3 Теория вычислительного обучения
II Машинное обучение и ряд других областей
2.1 Ml и интеллектуальный анализ данных. Пересечение Ml и DM
2.2 Ml и физика. Ml и статистика. ML и оптимизация
III История и Цели современного машинного обучения
3.1 Введение термина «машинное обучение». Разработка экспериментальной «самообучающейся машины»
3.2 Книга Нильссона «Learning Machines». Сохранение интереса к распознаванию образов
3.3 Определение Тома М. Митчелла. Цели современного машинного обучения
IV Подходы к машинному обучению
4.1 Подход контролируемого обучения
4.2 Подход неконтролируемого обучения
4.3 Подход полуконтролируемого обучения. Подход обучения с подкреплением. Снижение размерности. Другие подходы
V Самообучение. Обучение по признакам. Обучение по разреженному словарю
5.1 Самообучение
5.2 Обучение по признакам
5.3 Обучение по разреженному словарю
5.4 Обнаружение аномалий
VI Обучение роботов. Правила ассоциаций. Индуктивное логическое программирование. Модели
6.1 Обучение роботов
6.2 Обучение по правилам ассоциаций
6.3 Индуктивное логическое программирование. Модели
VII Искусственные нейронные сети. Деревья решений. Опорно-векторные машины
7.1 Искусственные нейронные сети
7.2 Деревья решений
7.3 Машины с опорными векторами
VIII Регрессионный анализ. Байесовские сети. Гауссовские процессы
8.1 Регрессионный анализ
8.2 Байесовские сети
8.3 Гауссовские процессы
IX Генетические алгоритмы. Функции убеждений. Обучение моделей
9.1 Генетические алгоритмы
9.2 Функции убеждений
9.3 Обучение
9.4 Федеративное обучение
X Итак, теперь машины тоже думают!
10.1 Теперь машины тоже думают. Машинное обучение и его отличие от искусственного интеллекта
10.2 Искусственный интеллект. Машинное обучение и технологии
XI Советы по зарабатыванию на машинном обучении и искусственном интеллекте
Формат: epub, fb2, pdfRead, mobi + еще 6
Показать больше