МАШИННОЕ

ОБУЧЕНИЕ
Библиотека Numpy
Машинное обучение (англ. machine learning, ML)
— класс методов искусственного интеллекта,
характерной чертой которых является не прямое
решение задачи, а обучение за счёт применения
решений множества сходных задач.
Классические задачи, решаемые с
помощью машинного обучения
• Классификация, как правило, выполняется с помощью обучения с учителем на этапе
собственно обучения.
• Кластеризация, как правило, выполняется с помощью обучения без учителя
• Регрессия, как правило, выполняется с помощью обучения с учителем на этапе
тестирования, является частным случаем задач прогнозирования.
• Понижение размерности данных и их визуализация выполняется с помощью обучения без
учителя
• Восстановление плотности распределения вероятности по набору данных
• Одноклассовая классификация и выявление новизны
• Построение ранговых зависимостей
• Обнаружение аномалий
Практические сферы применения
• Распознавание речи
• Распознавание жестов
• Распознавание рукописного ввода
• Распознавание образов
• Техническая диагностика
• Медицинская диагностика
Библиотека NumPy
• Массивы и операции над ними
Создание массива в NumPy
• Преобразовать список в массив

• Сделать копию существующего массива

Создание массива в NumPy
• Создать массив нулей заданного размера

• Создать массив единиц заданного размера

Создание массива в NumPy
• Создание единичной диагональной матрицы

• Построить массив чисел от From (включая) до To (не включая) с шагом Step

Доступ к элементам, срезы
• Нумерация начинается с ноля

• Возможно получить доступ к подмассиву

Доступ к элементам, срезы
• Возможность доступа к множеству элементов через логический тип данных
Арифметические операции над
массивами
• Сложение, вычитание, умножение и деление
Арифметические операции над
массивами
Транспонирование матриц (массивов)
Транспонирование — это операция над матрицами в результате которой
матрица поворачивается относительно своей главной диагонали. При этом
столбцы исходной матрицы становятся строками результирующей
Изображение – матрица пикселей
Изображение – матрица пикселей
Задачи NumPy
1. Создать нулевой вектор размером 10, но пятое значение которого равно 1
2. Создать вектор с последовательными значениями в диапазоне от 5 до 55
(arange)
3. Cоздайте матрицу 3х3 с последовательными значениями в диапазоне от 1
до 9 (reshape)
4. Создать единичную матрицу размера 5x5
5. Создать двумерный массив с 1 на границе и 0 внутри
Matplotlib
Библиотека, которая используется для визуализации
данных и построения диаграмм.
Поддерживает многие виды графиков и диаграмм:
Графики (line plot)
Диаграммы разброса (scatter plot)
Столбчатые диаграммы (bar chart) и гистограммы (histogram)
Круговые диаграммы (pie chart)
Ствол-лист диаграммы (stem plot)
Контурные графики (contour plot)
Поля градиентов (quiver)
Спектральные диаграммы (spectrogram)
Matplotlib
Matplotlib
Matplotlib
Matplotlib