Mašininį mokymąsi 1959 m. Arthuras Samuelis apibrėžė kaip „studijų sritį, suteikiančią kompiuteriams galimybę mokytis be aiškaus programavimo“. „EITC/AI/MLPP Machine Learning Programming with Python“ programa siekiama įvesti mašininio mokymosi pagrindus (įskaitant pagrindinį teorijos supratimą), daugiausia dėmesio skiriant programavimui su „Python“. Išskyrus teoriją, ji apima taikomąsias programas, taip pat teorinius ir praktinius prižiūrimų, neprižiūrimų ir gilaus mokymosi mašininio mokymosi algoritmų aspektus. Programa apima tiesinę regresiją, K artimiausius kaimynus, atraminių vektorių mašinas (SVM), plokščią grupavimą, hierarchinę grupes ir neuroninius tinklus. Tai apima pagrindines algoritmų sampratas ir logiką. Jis taip pat apima diskusijas apie algoritmų taikymą programuojant naudojant pavyzdinius realių duomenų rinkinius kartu su moduliais (pvz., „Scikit-Learn“). Programa taip pat apims išsamią informaciją apie kiekvieną iš algoritmų, įgyvendindama šiuos algoritmus kode, įskaitant matematiką su įžvalgomis, kaip tiksliai veikia algoritmai, kaip juos galima modifikuoti ir kokios yra jų savybės, įskaitant privalumus ir trūkumus. Mašinų mokymosi algoritmai yra gana paprasti (kaip sąlygoja didelių duomenų rinkinių būtinybė keisti mastelį), kaip ir matematika, kuria jie remiasi (linijinė algebra).
Gyvenimo aprašymo šaltiniai
„Python“ dokumentacija
https://www.python.org/doc/
„Python“ išleidžia atsisiuntimus
https://www.python.org/downloads/
„Python“ pradedantiesiems vadovas
https://www.python.org/about/gettingstarted/
„Python Wiki“ vadovas pradedantiesiems
https://wiki.python.org/moin/BeginnersGuide
„W3Schools“ „Python“ mašinų mokymosi pamoka
https://www.w3schools.com/python/python_ml_getting_started.asp
Atsisiųskite visą parengiamąją savarankiško mokymosi neprisijungus medžiagą, skirtą EITC/AI/MLP mašininio mokymosi su Python programai PDF faile
EITC/AI/MLP paruošiamoji medžiaga – standartinė versija
EITC/AI/MLP parengiamoji medžiaga – išplėstinė versija su peržiūros klausimais