Asylkhan Ismailov

в статье анализируются основные виды машинного обучения по признаку наличия и сложности данных. Под каждую конкретную задачу подбирается свой алгоритм, так как от него зависит скорость и точность результата обработки исходных данных. Рассматриваются методы машинного обучения. В частности, характеризуется вариант на основе обучения интеллектуального агента, который действует во внешней среде и называется обучением с подкреплением. Обучение с подкреплением (англ. reinforcement learning) – способ машинного обучения, при котором система обучается, взаимодействуя с некоторой средой.

в статье представлены краткие результаты практического опыта обучения методам интеллектуального анализа на платформе Pyton Anaconda. Приведены конкретные скрипты, на основе которых сделаны выводы, которые позволяют утверждать об эффективности применения методов интеллектуального анализа на практических занятиях по дисциплине «Информатика». В результате авторы получили достаточно полную модель, на основе которой возможно дальнейшее прогнозирование поведения объектов исследования в различных ситуациях, что в свою очередь доказывает, что в процессе формирования понимания значимости развития цифро...