Данные и ML · Профессиональный — набор 3
Данные и ML · терминов: 5 · усвоено: 0
Экран 1 из 5Войдите, чтобы сохранять прогресс и получать баллы
Машинное обучение · Machine Learning
Частота: очень высокая · Сложность: 3/5 · растёт
Область искусственного интеллекта, где модель выявляет закономерности в данных и делает прогнозы вместо явно запрограммированных правил.
Машинное обучение (ML) — подход, при котором алгоритм обучается на наборе данных и строит модель, обобщающую закономерности на новые примеры. В экосистеме Python это одна из ключевых тем data-стека: тег machine-learning присутствует среди тем репозитория streamlit/streamlit (Python, Apache-2.0, 45906 звёзд, сайт https://streamlit.io), ориентированного на быструю сборку и публикацию data-приложений. ML применяется в рекомендательных системах, прогнозировании, классификации, скоринге и аналитике. Практический цикл включает подготовку признаков, обучение, валидацию и мониторинг модели в продакшене.
Примеры употребления
Обучение простой модели: from sklearn.linear_model import LinearRegression; model.fit(X_train, y_train)
Вывод обученной модели в Streamlit-приложение: st.write(model.predict(features))
Формулировка на работе: «нужен baseline по ML до внедрения сложной модели»
Пайплайн подготовки признаков и обучения в рамках ML-проекта
#ai#data-science#models#python#sklearn
Источники
https://github.com/streamlit/streamlithttps://api.github.com/repos/streamlit/streamlithttps://en.wikipedia.org/wiki/Machine_learninghttps://scikit-learn.org/stable/Полная карточка в словаре — открыть в новой вкладке ↗