Заключение
Учебник дорабатывается, улучшается описание существующих тем, могут появляться новые. Обновления учебника вы можете отслеживать в разделе новости.
Вы ознакомились с основными задачами, понятиями и мод елями машинного обучения. Изучили, какие базовые предположения лежат в основе каждой модели, какие параметры нужно специфицировать, и на что они влияют. Научились строить прогнозы с помощью не одной модели, а целого набора, а также интерпретировать модели и оценивать их качество.
Анализ данных и машинное обучение - практические области, поэтому рекомендуем дополнить полученные теоретические знания практическими навыками. Для этого можно изучить одну из самых популярных библиотек на питоне scikit-learn по отличной документации с объяснением и примерами использования основных методов. Эта документация также доступна и на русском языке!
Далее рекомендуем ознакомиться с сайтом kaggle.com, на котором выкладываются прикладные задачи машинного обучения из разных областей, и поучаствовать в kaggle-соревнованиях. Это даст вам практические навыки работы с данными и опыт решения реальных задач, возникающих на практике. При этом стоит активно пользоваться форумом, на котором участники обсуждают задачу (раздел Discussion) и делятся своими решениями (раздел Code). Стоит отметить, что сайт содержит и собственные обучающие материалы по практической работе с данными.
На этом ваше путешествие в мир машинного обучения на нашем сайте не заканчивается. В задачах машинного обучения всё больше начинают доминировать нейросети, позволяющие обрабатывать более сложные типы данных, такие как изображения, тексты и графы. Нейросети способны моделировать более сложные виды зависимостей и генерировать не только численные прогнозы, но и сложно структурированные выходы, например, генерировать текст по теме, изображение по описанию и молекулярную структуру материала с заданными химическими свойствами. Поэтому приглашаем прочитать вторую книгу, посвящённую нейросетям.
Желаем успехов!