HARVARD CS50 - Обучение - Лекция 4: Искусственный Интеллект с Python на русском

Аве, Кодер! Это легендарный Гарвардский курс CS50 на русском языке: основы искусственного интеллекта с Python. В этой лекции: линейная и логистическая регрессия, классификация, обучение с и без учителя, а также принципы обучения с подкреплением - Q обучение, жадный эпсилон алгоритм и обучение ИИ агента игре в Nim. Тайм-коды: 0:00 машинное обучение learning 1:14 Тип обучения 1) машинное обучение с учителем (контролируемое обучение) supervised learning 2:06 задача классификации classification 8:13 алгоритм метод ближайших соседей nearest-neighbor classification 10:30 алгоритм классификация по ближайшему соседу k-ближайших соседей k-nearest-neighbor classification 11:43 ряд различных подходов к машинному обучению 13:13 техника линейная регрессия 23:23 правило обучения персептрона perceptron learning rule настройка весов входных параметров. Жесткий порог hard threshold 31:39 логистическая регрессия. Мягкий порог soft threshold 33:23 метод опорных векторов support vector machines 36:10 разделяющая гиперплоскость с максимальным зазором maximum margin separator 39:20 задача регрессия regression 41:57 оценка гипотез evaluation hypotheses 42:42 минимизация функции потерь loss function 43:31 двоичная функция потерь 0-1 loss function 46:25 потери L1 L1 loss function 48:28 потери L2 L2 loss function 49:45 проблема переобучения (переподгонка) overfitting 53:05 борьба с переобучением: 1) регуляризация regularization 56:25 2) перекрёстная проверка удержанием holdout cross-valudation 58:23 3) k-кратная перекрёстная проверка k-fold cross-validation 1:00:00 реализация. библиотека scikit-learn 1:02:20 код banknotes0. py 1:03:18 разделение набора данных на 1)обучающий и 2) тестовый 1:06:20 запуск программы модели: персептрона, классификатор опорных векторов, k-соседей 1:08:38 код banknotes1. py 1:09:59 Тип обучения 2) обучение с подкреплением reinforcement learning 1:13:18 Марковский процесс принятия решений Markov decision process 1:20:00 модель Q-обучение Q-learning 1:27:55 жадная политика принятия решений Greedy decision -making 1:29:40 исследование против эксплуатации explore vs exploit 1:30:25 E-жадный алгоритм E-greedy 1:32:23 игра Nim 1:34:12 код play. py 1:37:40 аппроксимация функции function approximation 1:38:45 Тип обучения 3) обучение без учителя unsupervised learning. Задача кластеризации 1:40:21 метод кластеризация k-средних (k-means clustering) Файлы: Плейлист Целиком: Благодарности и атрибуции: David J. Malan malan@ Оригинал: #авекодер #искусственныйинтеллект #cs50 #python #cs50нарусском Telegram: VK: Instagram: Поддержи проект: BTH: 1BmLvUFiJaVpCAwhzW3ZwKzMGWoQRfxsn4 ETH: 0x6f1A488c9b12E782AEF74634a40A79b1631237aB Ave Coder на английском: ______________________ Аве Кодер! Меня зовут V и я кодер. Я экспортирую из Англии: актуальные туториалы, computer science, брейнхаки, лайфхаки, здоровье кодера, тревэл он нью левэл, английский для кодера, как кодеру не помереть с голоду, юмор и многое другое. Так что ставь императорский палец вверх, подписывайся и бей в колокол!