Машинное обучение было определено в 1959 году Артуром Самуэлем как «область обучения, которая дает компьютерам возможность учиться без явного программирования». Программа EITC/AI/MLPP Machine Learning Programming with Python направлена на введение основ машинного обучения (включая базовое понимание теории) с упором на программирование на Python. Помимо теории, он охватывает приложения, а также теоретические и практические аспекты контролируемых, неконтролируемых и глубоких алгоритмов машинного обучения. Программа охватывает линейную регрессию, K ближайших соседей, машины опорных векторов (SVM), плоскую кластеризацию, иерархическую кластеризацию и нейронные сети. Он включает в себя основные понятия задействованных алгоритмов и лежащей в основе логики. Здесь также обсуждается применение алгоритмов в программировании с использованием примерных наборов реальных данных вместе с модулями (например, Scikit-Learn). Программа также будет охватывать детали каждого из алгоритмов путем реализации этих алгоритмов в коде, включая задействованную математику с пониманием того, как именно работают алгоритмы, как они могут быть изменены и каковы их свойства, включая преимущества и недостатки. Алгоритмы машинного обучения довольно просты (что обусловлено их необходимостью масштабирования для больших наборов данных), как и математика, на которой они основаны (линейная алгебра).
Справочные ресурсы по учебной программе
Документация Python
https://www.python.org/doc/
Python выпускает загрузки
https://www.python.org/downloads/
Руководство по Python для начинающих
https://www.python.org/about/gettingstarted/
Руководство для начинающих Python Wiki
https://wiki.python.org/moin/BeginnersGuide
Руководство по машинному обучению Python W3Schools
https://www.w3schools.com/python/python_ml_getting_started.asp
Загрузите полные подготовительные материалы для автономного самообучения по программе EITC/AI/MLP Machine Learning with Python в файле PDF.
Подготовительные материалы EITC/AI/MLP – стандартная версия
Подготовительные материалы EITC/AI/MLP – расширенная версия с обзорными вопросами