Многие отраслевые эксперты считают обучение без присмотра новым рубежом в области искусственного интеллекта, который может стать ключом к общему искусственному интеллекту. Поскольку большая часть мировых данных не размечена, традиционное обучение с учителем не может быть применено. С другой стороны, обучение без учителя можно применять к неразмеченным наборам данных, чтобы обнаружить значимые закономерности, спрятанные глубоко в данных, закономерности, которые людям практически невозможно обнаружить.

Автор Анкур Патель показывает, как это применять. обучение без учителя с использованием двух простых, готовых к использованию платформ Python: Scikit-learn и TensorFlow с использованием Keras. С помощью кода и практических примеров ученые, работающие с данными, смогут выявлять труднообнаружимые закономерности в данных и получать более глубокое понимание бизнеса, обнаруживать аномалии, выполнять автоматическое проектирование и выбор функций, а также генерировать синтетические наборы данных. Все, что вам нужно, это программирование и некоторый опыт машинного обучения, чтобы начать работу.

Сравните сильные и слабые стороны различных подходов к машинному обучению: контролируемое, неконтролируемое и обучение с подкреплением. Настраивайте комплексные проекты машинного обучения и управляйте ими. endСоздать систему обнаружения аномалий для выявления случаев мошенничества с кредитными картами. Кластеризовать пользователей в отдельные и однородные группы. Проводить полуконтролируемое обучение. Разрабатывать системы рекомендации фильмов с использованием ограниченных машин Больцмана. Создавать синтетические изображения с помощью генеративно-состязательных сетей.