0. Введение
ЧерновикМатериалы дорабатываются и будут дополняться.
Машинное обучение помогает решать задачи, для которых трудно заранее составить точное правило. Например, в одном из учебных экспериментов мы попробуем оценить время печати фигурки на 3D-принтере по сведениям о предыдущих заказах. Нам предстоит выбрать способ прогноза, измерить его ошибку и проверить, насколько он полезен для новых заказов.
На подобных примерах мы будем разбираться, как устроены модели и как оценивать их работу. Вы научитесь ставить задачу, готовить данные, сравнивать решения и обосновывать свои выводы. Эти умения пригодятся и при подготовке к BelOAI, и в самостоятельных проектах.
Как устроен учебник
Начнём с классических методов машинного обучения: научимся предсказывать числовые значения, различать объекты и находить группы похожих примеров. Особое внимание уделим проверке качества: разберёмся, почему хороший результат на знакомых данных ещё не означает, что модель справится с новыми.
Дальнейшие главы посвящены нейронным сетям, работе с готовыми моделями и математическим основам обучения. Последовательность тем и необходимые знания указаны в программе учебника. Материалы ещё готовятся, поэтому часть разделов пока представлена только в оглавлении.
Какие знания понадобятся
Для первых занятий нужны основы Python: переменные, условия, циклы, списки, словари и функции. Желательно уметь прочитать небольшую программу и объяснить, что она делает. Из математики понадобятся среднее арифметическое, доли и проценты, а также умение читать таблицы и графики.
Если знакомая конструкция или обозначение вызывает затруднение, разберите небольшой пример отдельно и лишь затем возвращайтесь к задаче. К более сложным темам стоит переходить после того, как освоены необходимые для них понятия.
Как заниматься
Читайте объяснения вместе с примерами кода. Сначала воспроизведите предложенное решение, затем попробуйте изменить данные или отдельный шаг программы. Прежде чем запустить изменённый пример, предположите, каким будет результат, а после запуска объясните, почему он получился именно таким.
К некоторым параграфам приложены тетради Jupyter — файлы с расширением .ipynb. В них текст, код и результаты вычислений расположены по ячейкам. При первом знакомстве с тетрадью выполняйте ячейки по порядку, начиная с первой, и сохраняйте свою копию с изменениями и заметками.
Выполняйте практические задания и отвечайте на вопросы в конце параграфа. Подсказки и ответы лучше открывать после самостоятельной попытки. Если ответ не совпал с вашим, вернитесь к объяснению и найдите причину расхождения.
Подготовка к первому занятию
Начните с настройки среды. В этом параграфе описаны два способа работы: в браузере через Google Colab и на своём компьютере с Python и Jupyter. Выберите подходящий вариант, откройте проверочную тетрадь и убедитесь, что её ячейки выполняются без ошибок.
После подготовки вы сможете открывать тетради с примерами, запускать код и сохранять результаты. Затем переходите к первому эксперименту с данными.