Apmeklējot mūsu vietni, jūs piekrītat mūsu privātuma politika attiecībā uz sīkfailiem, izsekošanas statistiku utt.

Mašīnmācīšanās

Šajā modulī tiek pētīta mašīnmācīšanās, pievēršot uzmanību algoritmiem un modeļiem, kas ļauj datoriem mācīties no datiem un pieņemt prognozes vai lēmumus, pamatojoties uz tiem. Tajā aplūkotas uzraudzītas, neuzraudzītas un pastiprinātas mācīšanās metodes, kā arī praktiski pielietojumi tādās jomās kā attēlu atpazīšana, dabiskās valodas apstrāde un prognozēšanas analītika.

Portāls > Mākslīgais intelekts > Mašīnmācīšanās

Mācību programmas veidotājs

Apskatīt mācību programmu

Sutton, Richard S. un Andrew G. Barto. Pastiprinājuma mācīšanās: An Introduction. Otrais izdevums. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

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

https://doi.org/10.1017/CBO9780511804779

MacKay, David J.C. Information Theory, Inference, and Learning Algorithms. Cambridge University Press, 2003.

Bishop, Christopher M. Pattern Recognition and Machine Learning. Informācijas zinātne un statistika. Ņujorka: Springer, 2006.

Mohri, Mehryar, Afshin Rostamizadeh un Ameet Talwalkar. "Ievads." In Mašīnmācīšanās pamati, 504. The MIT Press, 2018.

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

Murphy, Kevin P. "24. nodaļa: Markova ķēdes Monte Karlo (MCMC) secinājumi" un "25. nodaļa: Klasteru veidošana." In Machine Learning A Probabilistic Perspective. London, England: The MIT Press, 2012.

Wyner, Abraham J., Matthew Olson, Justin Bleich un David Mease. "Explaining the Success of AdaBoost and Random Forests as Interpolating Classifiers." arXiv, 2017. gada 29. aprīlis.

http://arxiv.org/abs/1504.07676

Hastie, Trevor, Robert Tibshirani un Jerome Friedman. The Elements of Statistical Learning: Datu ieguve, secinājumi un prognozēšana. 2. izd. 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. New York, NY: Springer New York, 2004.

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

Paldies, ka pierakstījāties mūsu biļetenam!

Paldies! Saņemts RSVP par Sutton, Richard S. un Andrew G. Barto. Reinforcement Learning: An Introduction. Otrais izdevums. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Sutton, Richard S. un Andrew G. Barto. Pastiprinājuma mācīšanās: An Introduction. Otrais izdevums. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Iekraušana...

Iekraušana...