deepmachinelearning.ru

主な情報

ℹ️

タイトル: Онлайн-учебник по машинному обучению и нейросетям. | Машинное и глубокое обучение

説明: Онлайн-учебник по машинному обучению (machine learning) и глубоким нейросетям (глубокому обучению, deep learning) на основе лекций, читаемых на факультете Вычислительной математики и кибернетики в МГУ им. М.В.Ломоносова. Учебник покрывает весь цикл разработки классических и нейросетевых моделей машинного обучения: постановку задачи, подготовку данных, кодирование и нормализацию признаков, выбор модели и настройку её параметров, оценку качества и интерпретацию результатов работы. В учебнике рассматриваются задачи обучения с учителем (supervised learning) и без учителя (unsupervised learning), задачи регрессии и классификации, семантической и instance сегментации, детекции объектов, построения эмбеддингов, обработки и генерации текста, обработки графа целиком и его отдельных вершин и связей.

キーワード: машинное обучение, глубокое обучение, глубокое машинное обучение, анализ данных, machine learning, deep learning, data science обучение, искусственный интеллект, ИИ, машинное обучение книги, машинное обучение курсы, методы прогнозирования

ページエンコーディング: utf-8

ページのファイルサイズ: 25 KB

サーバー情報

🖥️

IP: 185.199.110.153

位置: United States,US,37.751,-97.822,America/Chicago

HTTPサーバー: github.com

エンコーディング: utf-8

メタタグリスト

🏷️

charset: UTF-8
name: generator content: Docusaurus v3.4.0
rh: true name: viewport content: width=device-width,initial-scale=1
rh: true name: twitter:card content: summary_large_image
rh: true property: og:image content: https://deepmachinelearning.ru/img/social-card.jpg
rh: true name: twitter:image content: https://deepmachinelearning.ru/img/social-card.jpg
rh: true property: og:url content: https://deepmachinelearning.ru/
rh: true property: og:locale content: ru
rh: true name: docusaurus_locale content: ru
rh: true name: docusaurus_tag content: default
rh: true name: docsearch:language content: ru
rh: true name: docsearch:docusaurus_tag content: default
rh: true name: keywords content: машинное обучение, глубокое обучение, глубокое машинное обучение, анализ данных, machine learning, deep learning, data science обучение, искусственный интеллект, ИИ, машинное обучение книги, машинное обучение курсы, методы прогнозирования
rh: true property: og:title content: Онлайн-учебник по машинному обучению и нейросетям. | Машинное и глубокое обучение
rh: true name: description content: Онлайн-учебник по машинному обучению (machine learning) и глубоким нейросетям (глубокому обучению, deep learning) на основе лекций, читаемых на факультете Вычислительной математики и кибернетики в МГУ им. М.В.Ломоносова. Учебник покрывает весь цикл разработки классических и нейросетевых моделей машинного обучения: постановку задачи, подготовку данных, кодирование и нормализацию признаков, выбор модели и настройку её параметров, оценку качества и интерпретацию результатов работы. В учебнике рассматриваются задачи обучения с учителем (supervised learning) и без учителя (unsupervised learning), задачи регрессии и классификации, семантической и instance сегментации, детекции объектов, построения эмбеддингов, обработки и генерации текста, обработки графа целиком и его отдельных вершин и связей.
rh: true property: og:description content: Онлайн-учебник по машинному обучению (machine learning) и глубоким нейросетям (глубокому обучению, deep learning) на основе лекций, читаемых на факультете Вычислительной математики и кибернетики в МГУ им. М.В.Ломоносова. Учебник покрывает весь цикл разработки классических и нейросетевых моделей машинного обучения: постановку задачи, подготовку данных, кодирование и нормализацию признаков, выбор модели и настройку её параметров, оценку качества и интерпретацию результатов работы. В учебнике рассматриваются задачи обучения с учителем (supervised learning) и без учителя (unsupervised learning), задачи регрессии и классификации, семантической и instance сегментации, детекции объектов, построения эмбеддингов, обработки и генерации текста, обработки графа целиком и его отдельных вершин и связей.

内部リンク

🔗

外部リンク

🌐

Whois情報

📄

domain_name: deepmachinelearning.ru

update_date: on

update_time:

creation_date: 2023-03-15T15:04:58Z

creation_time: 1678892698

expiration_date: 2027-03-15T15:04:58Z

Whois生データ

📋

            domain:        DEEPMACHINELEARNING.RU

nserver:       ns1.reg.ru.

nserver:       ns2.reg.ru.

state:         REGISTERED, DELEGATED, VERIFIED

person:        Private Person

registrar:     REGRU-RU

admin-contact: http://www.reg.ru/whois/admin_contact

created:       2023-03-15T15:04:58Z

paid-till:     2027-03-15T15:04:58Z

free-date:     2027-04-15

source:        TCI

Last updated on 2026-08-01T04:53:01Z

Robots.txt

🤖

			User-agent: *
Disallow: /docs/docs_ml/
Disallow: /docs/docs_dl/
Sitemap: https://deepmachinelearning.ru/sitemap.xml

検索フレーズ - Google

🔍

位置	フレーズ	ページ	スニペット
1	вероятность предсказаний	/docs/machine-learni...	Предсказание вероятностей и преобразование SoftMax Предсказание вероятностей и преобразование SoftMax · выходы должны быть неотрицательными
1	fcn	/docs/Neural-network...	Fully Convolutional Network Эта архитектура состоит только из свёрток, пулингов, нелинейностей и операций повышения разрешения (upsampling). Преимуществом архитектуры является то, что она ...
1	цифровое представление	/docs/Neural-network...	Цифровое представление изображений Для представления цветного изображения используется свойство, что любой цвет может быть представлен как сочетание базисных цветов: красного (red, R), зелёного ( ...
1	представление изображения	/docs/Neural-network...	Цифровое представление изображений Для представления цветного изображения используется свойство, что любой цвет может быть представлен как сочетание базисных цветов: красного (red, R), зелёного ( ...
2(+16)	roc	/docs/Machine-learni...	ROC-кривая \| Машинное и глубокое обучение Определение ROC -кривой ( ROC -curve). Площадь под ROC -кривой AUC (area under curve). Меры true positive rate (TPR), false positive rate (FPR) в бинарной ...
2(-1)	ошибка модели	/docs/Machine-learni...	Анализ ошибок модели Полезно смотреть на те объекты, на которых модель была уверена в одном прогнозе, а верным оказался другой прогноз. Такие ошибки считаются наиболее существенными ...
2(+20)	образование представлений	/docs/Neural-network...	Обучение представлений Извлечение сложных высокоуровневых признаков, позволяющих компактно описать сложные зависимости в данных, называется обучением представлений (representation ...
2	этапы решения	/docs/Machine-learni...	Этапы решения задачи машинного обучения Этапы решения задачи машинного обучения · Понимание бизнес-проблемы. На этом этапе мы отвечаем на следующие вопросы: · Формализация задачи. Решаются вопросы:.
2	пропущенные данные это	/docs/Machine-learni...	Заполнение пропусков в данных Когда мы измеряем признаки объектов, некоторые из признаков могут отсутствовать. В этом случае вектор признаков будет содержать пропуски (missing values).
2	без изучения	/docs/Machine-learni...	Обучение без учителя Обучение без учителя (unsupervised learning) в машинном обучении представляет собой задачу, в которой по вектору признаков x \mathbf{x} x требуется предсказать ...

追加サービス

💎