Реализация методов машинного обучения с использованием языка программирования Pythоn

1.

Реализация методов машинного обучения с использованием
языка программирования Pythоn
Вознесенская Н.В.

2.

Погружаться в ИИ имеет смысл именно с использованием
Pythоn, что соответствует практике применения данного
языка в силу наличия большого числа библиотек.

3.

Широкий спектр библиотек – это одно из самых больших преимуществ Python.
Библиотеки представляют собой наборы подпрограмм и функций, написанных на
данном языке. Хороший комплект библиотек облегчает решение сложных задач
без необходимости написания многих строк кода. Это важно, так как машинное
обучение во многом основано на математике. В частности, на математической
оптимизации, статистике и теории вероятности

4.

После выбора языка программирования, как
правило, возникает вопрос о выборе среды.
Для исследований в сфере ИИ в
большинстве случаев используется Jupyter
Notebook
–
это
крайне
удобный
интерактивный
инструмент,
который
позволяет хранить вместе код, изображения,
комментарии, формулы и графики .

5.

Язык Python это легко
Язык Python легок в освоении и может быть освоен самостоятельно с
использованием учебно-методической литературы и онлайн ресурсов.
Даже дети его успешно осваивают на основе, например таких материалов:
пособие «Нello World. Занимательное программирование» Уоррена Сэнда;
самоучитель Джейсона Бриггса и другие.

6.

Язык Python это легко
Материалы Академии
искусственного интеллекта
для школьников,
посвященных введению в
Python.
https://www.ai-academy.ru/
https://contest.aiacademy.ru/lesson-3

7.

И интерактивный учебник Питонтьютор,
который работает из браузера с пошаговым
отладчиком.
http://pythontutor.ru/lessons/inout_and_arit
hmetic_operations/

8.

Логика изучения Pythоn схожа с изучением других языков
программирования.
Определяем
понятие
переменной,
способы
ввода/вывода, типы данных. После этого рассматриваем
способы
реализации
основных
алгоритмических
конструкций:
линейной,
ветвления
и
циклов.
Стоит обратить внимание на конструкцию if-elif-else —
это альтернативное представление оператора ifelse,
которое позволяет проверять несколько условий, вместо
того чтобы писать вложенные if-else.

9.

Кроме числовых типов данных, Python содержит важные
типы данных, которые будут фигурировать при решении
многих задач. Это списки, кортежи и словари. Списки
Python схожи с массивами в других языках. Кортеж похож на
список, но при его создании используются круглые скобки,
вместо квадратных. Разница в том, что кортеж неизменный, в
то время как список может меняться.

10.

С решением более сложных задач размер и сложность
программ все время возрастают, поэтому безусловно
следующим этапом изучения Python будет переход к
изучению функций.
С решением более сложных задач размер и сложность
программ все время возрастают, поэтому безусловно
следующим этапом изучения Python будет переход к
изучению функций.

11.

После знакомства с языком Python можно изучать конкретные
библиотеки Python. И возникает вопрос - с какой библиотеки
начать в рамках перехода к машинному обучению на Python?
В соответствии с поставленными задачами курса начать
целесообразно с библиотеки для извлечения и подготовки
данных – Pandas и библиотеки для визуализации данных
Matplotlib.

12.

Pandas
это
очень
популярная
библиотека,
предоставляющая высокоуровневые структуры данных,
простые в использовании и интуитивно понятные.
В ней есть много встроенных методов для группировки,
комбинирования данных и их фильтрации, а также
анализа временных рядов. Pandas может с легкостью
извлекать данные из различных источников, таких как
базы данных SQL, файлы Excel, JSON, и манипулировать
этими данными для осуществления операций с ними.

13.

Matplotlib - это стандартная библиотека Python, которую
используют для создания графиков. Она достаточно
низкоуровневая, а значит, требует больше команд для
генерации привлекательных графиков и фигур, чем более
продвинутые библиотеки. С другой стороны, она гибкая.
Оперируя достаточным количеством команд, можно
создавать практически любой график, строить
разнообразные диаграммы.

14.

Самой популярной библиотекой машинного обучения
является Scikit-learn (сокит лен). Она поддерживает много
алгоритмов
обучения.
Например,
линейные
и
логистические регрессии, деревья принятия решений,
кластеризацию и т. д.

15.

Библиотека Scikit-learn создана на основе двух главных
библиотек Python – NumPy (нампай) и SciPy (сайпай).
Рассмотренные библиотеки будут использоваться нами при
решении задач визуализации данных, задач линейной и
логистической регрессии, предсказания вероятности и др. При
этом открываются большие возможности организации учебной
исследовательской и проектной деятельности, например по
предсказанию задержки рейса.

16.

Другой задачей искусственного интеллекта в целом и
машинного обучения в частности, является распознавание
образов, поскольку необходимость в таком распознавании
востребована в различных областях деятельности человека.
Поэтому распознавание образов в программе выделено в
отдельную тему. Это потребует от обучаемых более
глубокого изучения нейронных сетей. Здесь стоит уже
ввести классификацию нейронных сетей по структуре
связей. Структура связей отражает то, как соединены
элементы.

17.

В некоторых моделях она носит иерархический характер,
когда связи допускаются только между нейронами,
расположенными в соседних слоях; в некоторых моделях
допускаются обратные связи между слоями или внутри
одного слоя; так же есть и круговые модели, где все
элементы замкнуты посредством общего круга. Таким
образом, существует большое множество видов
искусственных нейронных сетей.

18.

Рассматривать многообразие искусственных нейронных
сетей стоит на практических примерах их применения.
Так, распознавание образов осуществляется на основе
сверточной нейронной сети. А с помощью рекуррентных
сетей пишутся и переводятся тексты, программируются
боты, которые ведут осмысленные диалоги с человеком.

19.

Безусловно, обучение основам искусственного интеллекта не
может ограничиваться только рамками одного курса. Мы верим,
что этот курс станет основой для вашего дальнейшего выбора
направления обучения в области ИИ и отправной точкой в
формировании готовности к жизни и будущей профессиональной
деятельности в условиях развития технологий искусственного
интеллекта во всех областях жизнедеятельности человека.