Сотруднику городской администрации Киёхара Кадзума поручено задание, которое без машинного обучения не выполнить. Под руководством своей давней знакомой Мияно Саяка он осваивает премудрости работы с искусственным интеллектом – от самых азов до глубокого обучения.
Вместе с героями манги читатели узнают о том, что такое регрессия и как проводить классификацию, ознакомятся с принципами оценки тестовых данных и особенностями работы нейронных сетей. В заключительной части излагаются методы обучения без учителя.
Издание предназначено для тех, кто начинает знакомство с машинным обучением и освоил математику на уровне первых курсов университета.
Author(s): Араки Масахиро (автор), Ватари Макана (худ.)
Series: Образовательная манга
Edition: 1
Publisher: ДМК Пресс
Year: 2020
Language: Russian
Commentary: Vector PDF
Pages: 214
City: М.
Tags: Machine Learning; Neural Networks; Decision Trees; Convolutional Neural Networks; Clustering; Linear Regression; Logistic Regression; Ensemble Learning
Манга Машинное обучение_20-02-2020.pdf
Предисловие
Пролог
Поговорим о машинном обучении
Саяка и старшеклассница Ай
Глава 1
Что такое регрессия
1.1. Сложности с прогнозом
1.2. Определяем зависимые и независимые переменные
1.3. Находим функцию линейной регрессии
1.4. Регуляризация результата
Математическое повторение (1)
Глава 2
Как делать классификацию?
2.1. Приводим данные в порядок
2.2. Определяем класс данных
2.3. Логистическая регрессия
2.4. Классификация по дереву решений
Математическое повторение (4)
Глава 3
Оценка результатов
3.1. Без проверки тестовых данных никак нельзя
3.2. Обучающая, тестовая и проверочная выборка
3.3. Метод перекрестной проверки (кросс-валидации)
3.4. Доля правильно предсказанных объектов, точность, полнота и F-мера
Математическое повторение (5)
Глава 4
Глубокое обучение
4.1. Нейронная сеть
4.2. Обучение методом обратного распространения ошибок
4.3. Вызовы глубокого обучения
4.3.1. Проблема глубокой нейронной сети
4.3.2. Хитрости многоступенчатого обучения
4.3.3. Хитрости многоступенчатого обучения
4.3.4. Хитрости многоступенчатого обучения
4.3.5. Нейронные сети со специализированной структурой
Математическое повторение (4)
Глава 5
Ансамбль методов
5.1. Бэггинг
5.2. Cлучайный лес
5.3. Бустинг
Математическое повторение (5)
Глава 6
Обучение без учителя
6.1. Кластеризация
6.1.1. Иерархическая кластеризация
6.1.2. Разделяющая кластеризация
6.2. Разложение матрицы
Математическое повторение (6)
Эпилог
