Введение в алгоритмы DM

Содержание

Слайд 2

Введение в бизнес-анализ

Введение в бизнес-анализ

Слайд 3

Введение в алгоритмы DM

Машинное обучение
Машинное обучение (Machine Learning) - обширный подраздел искусственного

Введение в алгоритмы DM Машинное обучение Машинное обучение (Machine Learning) - обширный
интеллекта, изучающий методы построения моделей, способных обучаться, и алгоритмов для их построения и обучения;
находится на стыке математической статистики, методов оптимизации и дискретной математики, но имеет также и собственную специфику, связанную с проблемами вычислительной эффективности и переобучения;
методы индуктивного обучения разрабатывались как альтернатива классическим статистическим подходам;
методы тесно связаны с извлечением информации (Information Extraction), интеллектуальным анализом данных (Data Mining).

Слайд 4

Введение в алгоритмы DM

Машинное обучение. Основные понятия
Обучаемая модель - обширный подраздел искусственного

Введение в алгоритмы DM Машинное обучение. Основные понятия Обучаемая модель - обширный
интеллекта, изучающий методы построения моделей, способных обучаться, и алгоритмов для их построения и обучения;
Обучающая выборка - обширный подраздел искусственного интеллекта, изучающий методы построения моделей, способных обучаться, и алгоритмов для их построения и обучения;
Обучение - обширный подраздел искусственного интеллекта, изучающий методы построения моделей, способных обучаться, и алгоритмов для их построения и обучения;
Алгоритм обучение - обширный подраздел искусственного интеллекта, изучающий методы построения моделей, способных обучаться, и алгоритмов для их построения и обучения;

Слайд 5

Введение в алгоритмы DM

Цель машинного обучения — предсказать результат по входным данным.

Введение в алгоритмы DM Цель машинного обучения — предсказать результат по входным
Чем разнообразнее входные данные, тем проще машине найти закономерности и тем точнее результат

Три составляющие , необходимые для обучения:
ДАННЫЕ
ПРИЗНАКИ
АЛГОРИТМ

Слайд 6

Введение в алгоритмы DM

Нейросети — один из видов машинного обучения. Популярный, но

Введение в алгоритмы DM Нейросети — один из видов машинного обучения. Популярный,
есть и другие, не хуже.
Глубокое обучение — архитектура нейросетей, один из подходов к их построению и обучению. На практике сегодня мало кто отличает, где глубокие нейросети, а где не очень. Говорят название конкретной сети и всё.

Искусственный интеллект — название всей области, как биология или химия.
Машинное обучение — это раздел искусственного интеллекта. Важный, но не единственный.

Слайд 7

Введение в алгоритмы DM

Введение в алгоритмы DM

Слайд 8

Введение в алгоритмы DM

Введение в алгоритмы DM

Слайд 9

Введение в алгоритмы DM

 В машинном обучении есть всего четыре основных направления

Введение в алгоритмы DM В машинном обучении есть всего четыре основных направления

Слайд 10

Введение в алгоритмы DM

Введение в алгоритмы DM

Слайд 11

Введение в алгоритмы DM

С учителем машина обучится быстрее и точнее, потому в

Введение в алгоритмы DM С учителем машина обучится быстрее и точнее, потому
боевых задачах его используют намного чаще.
Задачи делятся на два типа: 
классификация — предсказание категории объекта;
регрессия — предсказание места на числовой прямой.

Сегодня используют для:
Спам-фильтры
Определение языка
Поиск похожих документов
Анализ тональности
Распознавание рукописных букв и цифр
Определение подозрительных транзакций
Популярные алгоритмы: Наивный Байес, Деревья Решений, Логистическая Регрессия, K-ближайших соседей, Машины Опорных Векторов

Слайд 12

Введение в алгоритмы DM

!!! Классификация вещей — самая популярная задача во всём

Введение в алгоритмы DM !!! Классификация вещей — самая популярная задача во всём машинном обучении
машинном обучении

Слайд 13

Введение в алгоритмы DM

!!! Классификация вещей — самая популярная задача во всём

Введение в алгоритмы DM !!! Классификация вещей — самая популярная задача во всём машинном обучении
машинном обучении

Слайд 14

Введение в алгоритмы DM

!!! Классификация вещей — самая популярная задача во всём

Введение в алгоритмы DM !!! Классификация вещей — самая популярная задача во
машинном обучении

Самым популярным методом классической классификации заслуженно является Метод Опорных Векторов.
Классифицировали: виды растений, лица на фотографиях, документы по тематикам и пр.

Ищем, как так провести две прямые между категориями, чтобы между ними образовался наибольший зазор

Слайд 15

Введение в алгоритмы DM

Регрессия — та же классификация, только вместо категории предсказываем

Введение в алгоритмы DM Регрессия — та же классификация, только вместо категории
число. На регрессию идеально ложатся любые задачи, где есть зависимость от времени.

Сегодня используют для:
Прогноз стоимости ценных бумаг
Анализ спроса, объема продаж
Медицинские диагнозы
Любые зависимости числа от времени
Популярные алгоритмы: Линейная или Полиномиальная Регрессия

Слайд 16

Введение в алгоритмы DM

Регрессия — та же классификация, только вместо категории предсказываем

Введение в алгоритмы DM Регрессия — та же классификация, только вместо категории
число. На регрессию идеально ложатся любые задачи, где есть зависимость от времени.

Сегодня используют для:
Прогноз стоимости ценных бумаг
Анализ спроса, объема продаж
Медицинские диагнозы
Любые зависимости числа от времени
Популярные алгоритмы: Линейная или Полиномиальная Регрессия

Слайд 17

Введение в алгоритмы DM

Обучение без учителя было изобретено позже и на практике

Введение в алгоритмы DM Обучение без учителя было изобретено позже и на практике используется реже
используется реже
Имя файла: Введение-в-алгоритмы-DM.pptx
Количество просмотров: 24
Количество скачиваний: 0