7 июня 2021 года я начал стажировку по машинному обучению в Internity Foundation, Нойда.

Во-первых, я узнаю о Inernity Foundation, некоммерческой организации, работающей над созданием экосистемы исследований, технологий и предпринимательства.

Я посмотрел видеоролики о каратэ для детей и узнал следующее :

🔸Важность коучинга и возможности коучинга.

🔸Погоня за страстью
🔸Время - ключ к успеху

🔗 Ссылка на видео 🔗 http://bit.ly/3ghlm9k

Введение в машинное обучение

◼️ Что такое машинное обучение?

Чтобы решить задачу на компьютере, нам нужен алгоритм. Алгоритм представляет собой последовательность инструкций, которые должны выполняться для преобразования
входных данных в выходные. Например, можно разработать алгоритм сортировки. Вход представляет собой набор чисел, а выход — их упорядоченный список. Для одной и той же задачи могут быть разные алгоритмы, и нам может быть интересно найти наиболее эффективный, требующий наименьшего количества инструкций или памяти, или и того, и другого.

◼️ Применение машинного обучения.

  1. Распознавание изображений
  2. Распознавание речи
  3. Торговля на фондовом рынке
  4. Прогноз трафика
  5. Самоуправляемые автомобили

◼️ Регрессия и ее виды

Регрессия – это статистический метод, используемый в финансах, инвестициях и других
дисциплинах, который пытается определить силу и характер взаимосвязи между одной зависимой переменной (обычно обозначаемой Y) и рядом других переменных (известных как независимые переменные). ).

◾Существует два типа регрессии :

1. Простая линейная регрессия:

Он использует одну независимую переменную, чтобы
объяснить или предсказать результат зависимой переменной Y.
Y = a + bX + u

2. Множественная линейная регрессия:

Он использует две или более независимых
переменных для прогнозирования результатов.
Y = a + b1X1
+ b2X2
+ b3X3
+ ... + btXt + u

Где :
Y = переменная, которую вы пытаетесь предсказать (зависимая переменная).
X = переменная который мы используем для прогнозирования Y (независимая переменная).
a = точка пересечения.
b = наклон.
u = остаток регрессии.

◼️ КОЛАБ GOOGLE

Colaboratory, или сокращенно Colab, — это продукт Google Research. Colab позволяет каждому писать и выполнять код Python через браузер. Он особенно хорошо подходит для машинного обучения, анализа данных и образования. С технической точки зрения, Google Colab — это размещенная служба ноутбуков Jupyter, которая не требует настройки для использования, но при этом предоставляет бесплатный доступ к вычислительным ресурсам, включая графические процессоры. Colab позволяет вам использовать блокноты Jupyter и делиться ими с другими без необходимости загружать, устанавливать или запускать что-либо.

Спасибо за чтение ! 🙂