7Вопросы для самоконтроля и контроля

1.Из каких циклов состоит применение машинного обучения?

2.Что понимается под данными, применяемыми для обучения? Опишите модель данных.

3.Что вляется исходными данными для алгоритма машинного обучения и что явлется результатом применения алгоритма машинного обучения?

4.Сколько строк и столбцов содержит объектно - признаковая матрица? От чего это зависит?

5.Опишите шаги применения машинного обучения рот решении задач с учителем.

6.Какие существуют типы признаков? Перечислите их и опишите чем они отличаются друг от друга.

7.Какие существуют типы задач машинного обучения?

8.Перечислите виды задач обучения с учителем и опишите чем они отличаются друг от друга.

9.Дайте примеры задач регрессионного анализа.

10.Приведите примеры задач классификации.

8Практические задания

Задача 8.1 (Постановка задачи ML). Придумайте постановку задачи регрессионного анализа для

концепции "Умный Дом". Постановка задачи должна содержать описание:

∙цели/задачи Task;

∙критерия качества решения задачи Productivity;

∙используемых для решения задачи данных Experience, их происхождение, откуда они берутся и как размечаются

Задача 8.2 (Постановка задачи ML). Придумайте постановку задачи классификации для кон-

цепции "Умный Дом". Постановка задачи должна содержать описание:

∙цели/задачи Task;

∙критерия качества решения задачи Productivity;

∙используемых для решения задачи данных Experience, их происхождение, откуда они берутся и как размечаются

Список источников

[1]Ян Лекун. Как учится машина. Революция в области нейронных сетей и глубокого обучения. (Библиотека Сбера: Искусственный интеллект). — М.: Альпина нон-фикшн, 2021. — ISBN 978-5-907394-29-2.

[2]Blog "toward data science". All Machine Learning Models Explained in 6 Minutes [Электронный ресурс] https://towardsdatascience.com/all-machine-learning-models-explained-in-6-minutes- 9fe30ff6776a (Дата обращения: 09.02.2022)

[3]Microsoft Docs. Что такое ML.NET и принципы работы этой системы [Электронный ресурс]. URL: https://docs.microsoft.com/ru-ru/dotnet/machine-learning/how-does-mldotnet-work (Дата обращения: 09.02.2022)

[4]Машинное обучение (курс лекций, К.В.Воронцов) [Электронный ресурс] http://www.machinelearning.ru/wiki/index.php (Дата обращения: 09.02.2022)

[5]Блог РБК-Тренды. Что такое машинное обучение и как оно работает. [Электронный ресурс] https://trends.rbc.ru/trends/industry (Дата обращения: 09.02.2022)

[6]Открытый курс машинного обучения [Электронный ресурс] https://ods.ai/tracks/open-ml- course (Дата обращения: 09.02.2022)

[7]Vas3k blog. Машинное обучение для людей [Электронный ресурс] https://vas3k.ru/blog/machine-learning/ (Дата обращения: 09.02.2022)

< — >

Содержание

1Классы задач машинного обучения

Вэтой лекции мы рассмотрим задачи машинного обучения, в которых ответы для входных данных неизвестны. Это задачи обучения без учителя и задачи обучения с подкреплением (см. рис.1, [1]).

Напомним краткие характеристики данных задач.

∙"Обучение без учителя". В этом классе задач известны только описания объектов ( ) для достаточно большого набора объектов. Подразумевается, что модель должна сама разметить данные (найти ответы), чтобы свести задачу к задаче обучения с учителем.

∙"Обучение с подкреплением"(Reinforcement Learning). Это нечто среднее между обучением с учителем и без. В этом классе задач также известны только описания объектов ( ). Подразумевается, что модель также должна сама искать ответы для объектов. Но, после того, как модель найдет ответ, учитель/жизнь может поощрить Вас за верный ответ или оштрафовать за плохой ответ (подкрепление). Это больше похоже на обучение в реальной жизни. Когда правильный ответ заранее никто не знает и можно понять насколько ответ был правильным только после принятия решения. Жизнь сама подскажет - правильным было решение или нет.

Рассмотрим более подробно каждый вид задачи в отдельности и приведем примеры ( [2]).