Привет, это команда направления анализа данных Яндекс Практикума. В этой статье мы расскажем немного об основах машинного обучения: покажем, как подобрать задачу для обучения и таким образом посмотреть на процесс через призму бизнеса.Материал будет полезен не только начинающим дата-сайентистам, но и руководителям, которые задумываются о внедрении машинного обучения в бизнес-процессы. Читать далее
В рамках этой статьи будет использоваться пакет SDK для Машинного обучения Azure для Python 3 для создания и применения рабочей области Службы машинного обучения Azure. Эта рабочая область — основной блок в облаке для экспериментов, обучения и развертывания моделей машинного обучения с помощью Машинного обучения Azure. Читать дальше →
Хорошо продуманный процесс структурирования проектов машинного обучения поможет быстро создавать новые репозитории GitHub и с самого начала ориентироваться на элегантную программную архитектуру. Команда VK Cloud перевела статью о том, как организовать файлы в проектах машинного обучения, используя VS Code. Шаблон для создания проектов машинного обучения можно скачать на GitHub. Читать дальше →
Машинное обучение давно вышло за пределы модного термина, но за этим словосочетанием до сих пор скрывается путаница: где заканчивается «обычное» программирование, чем ML отличается от AI и почему одни задачи требуют размеченных данных, а другие — нет. В этой статье разбираем базовую логику машинного обучения без упрощений и мистики: какие подходы существуют, из каких элементов складывается модель и как всё это применяется на практике — от классических алгоритмов до нейросетей. Основы ML