Создание классических моделей машинного обучения с использованием контролируемого обучения
Контролируемое обучение — это форма машинного обучения, при которой обучение алгоритма проводится на примерах данных. Мы поэтапно рассмотрим, как с помощью контролируемого обучения можно автоматически создать модель, способную готовить прогнозы для реального мира. Также мы коснемся тестирования этих моделей и проблем, которые могут возникнуть в процессе их обучения.
Цели обучения
В этом модуле рассматриваются следующие темы:
- Определение контролируемого и неконтролируемого обучения.
- Изучение того, как функции потерь влияют на процесс обучения.
- Узнайте, как оптимизировать модели с помощью градиентного спуска.
- Эксперименты со скоростью обучения и исследование влияния скорости на обучение.
Предварительные требования
Основные навыки работы с входными и выходными данными и моделями