Машинное обучение простыми словами: полное руководство для начинающих

Машинное обучение может показаться сложным, когда вы изучаете алгоритмы один за другим. Классификация, регрессия, кластеризация, PCA, K-средние, DBSCAN, логистическая регрессия… где же всё это на самом деле находится? В этом видео мы создадим простую схему машинного обучения, чтобы понять общую картину. Мы рассмотрим: • Что такое машинное обучение? • Искусственный интеллект против машинного обучения против глубокого обучения • Обучение с учителем • Обучение без учителя • Обучение с подкреплением • Классификация • Бинарная, многоклассовая и многоклассовая классификация • Регрессия • Кластеризация • Снижение размерности • Поиск ассоциативных правил • Поддержка, достоверность и коэффициент подъема • Основы обучения с подкреплением • Задача против алгоритма — важное различие • Один набор данных и разные вопросы машинного обучения • Общий рабочий процесс машинного обучения • Распространенные ошибки и заблуждения начинающих Цель этого видео — не заучивание алгоритмов. Цель — понять, где находятся различные концепции машинного обучения и как определить тип задачи машинного обучения, с которой вы имеете дело. К концу видео вы должны уметь, глядя на новую задачу машинного обучения, задавать себе вопросы: В чем проблема? В чем задача машинного обучения? Какие алгоритмы могут решить эту задачу? Это видео особенно полезно для начинающих в области машинного обучения, студентов, для подготовки к проектам, к защите диссертации и для всех, кто пытается систематизировать свои знания по машинному обучению. Подпишитесь на канал Learn with Dr. Jyoti, чтобы получать практические уроки по машинному обучению и Python с примерами и практическими проектами. #МашинноеОбучение #ML #ИскусственныйИнтеллект #Классификация #Регрессия #Кластеризация #ГлубокоеОбучение #НаукаОДанные