Lankydamiesi mūsų svetainėje sutinkate su mūsų privatumo politika dėl slapukų, sekimo statistikos ir kt.

Mašininis mokymasis

Šiame modulyje nagrinėjamas mašininis mokymasis, daugiausia dėmesio skiriant algoritmams ir modeliams, kurie leidžia kompiuteriams mokytis iš duomenų ir priimti jais pagrįstas prognozes ar sprendimus. Jame aptariami prižiūrimi, neprižiūrimi ir pastiprinto mokymosi metodai, taip pat praktiniai taikymai tokiose srityse kaip vaizdų atpažinimas, natūralios kalbos apdorojimas ir prognozavimo analizė.

Portalas > Dirbtinis intelektas > Mašininis mokymasis

Mokymo programos kūrėjas

Peržiūrėti mokymo programą

Sutton, Richard S. ir Andrew G. Barto. Reinforcement Learning: An Introduction. Antrasis leidimas. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Barber, Davidas. Bayesian Reasoning and Machine Learning. 1st ed. Cambridge University Press, 2012.

https://doi.org/10.1017/CBO9780511804779

MacKay, David J.C. Informacijos teorija, išvados ir mokymosi algoritmai. Cambridge University Press, 2003.

Bishop, Christopher M. Modelių atpažinimas ir mašininis mokymasis. Informacijos mokslas ir statistika. Niujorkas: Springer, 2006.

Mohri, Mehryar, Afshin Rostamizadeh ir Ameet Talwalkar. "Įvadas." In Mašinų mokymosi pagrindai, 504. The MIT Press, 2018.

https://mitpress.mit.edu/9780262039406/foundations-of-machine-learning/

Murphy, Kevin P. "24 skyrius: Markovo grandinės Monte Karlo (MCMC) išvados" ir "25 skyrius: Klasterizavimas". In Machine Learning A Probabilistic Perspective. London, England: The MIT Press, 2012.

Wyner, Abraham J., Matthew Olson, Justin Bleich ir David Mease. "AdaBoost and Random Forests as Interpolating Classifiers" ("AdaBoost ir atsitiktinių miškų, kaip interpoliuojančių klasifikatorių, sėkmės paaiškinimas"). arXiv, 2017 m. balandžio 29 d.

http://arxiv.org/abs/1504.07676

Hastie, Trevor, Robert Tibshirani ir Jerome Friedman. The Elements of Statistical Learning: Elementai: duomenų gavyba, išvados ir prognozavimas. 2nd ed. Springer Series in Statistics. New York, NY: Springer New York, 2009.

https://doi.org/10.1007/978-0-387-84858-7

Wasserman, Larry. Visa statistika: A Concise Course in Statistical Inference. Springer Texts in Statistics. Niujorkas, NY: Springer New York, 2004.

https://doi.org/10.1007/978-0-387-21736-9

Ačiū! Gauti Sutton, Richard S. ir Andrew G. Barto RSVP. Reinforcement Learning: An Introduction. Antrasis leidimas. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Dėkojame, kad užsiregistravote mūsų naujienlaiškiui!

Sutton, Richard S. ir Andrew G. Barto. Reinforcement Learning: An Introduction. Antrasis leidimas. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Pakraunama...

Pakraunama...