En
Register Log in
  1. Main
  2. Conference
  3. Digital Transformation of Modern Education
  4. Klassicheskie metody mashinnogo obucheniia dlia ts...

Klassicheskie metody mashinnogo obucheniia dlia tsifrovykh obrazovatel'nykh tekhnologii

Proceeding
All-Russian Scientific and Methodological Conference «Digital Transformation of Modern Education»
Creative commons logo
Published in:
All-Russian Scientific and Methodological Conference «Digital Transformation of Modern Education»
Authors:
Amandos D. Tulegulov 1 , Asylkhan Ismailov 1 , Vladimir S. Eshpanov 1
Work direction:
Формирование понимания значимости развития цифровых навыков и цифровых образовательных технологий
Pages:
119-124
Received: 2 November 2020

Rating:
Article accesses:
2656
Published in:
РИНЦ
1 Kazakhskii universitet tekhnologii i biznesa
For citation:

Abstract

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.

References

  1. 1. Никлаус Вирт. Алгоритмы и структуры данных. Новая версия для Оберона + CD / пер. с англ. Ф.В. Ткачев. – М.: ДМК Пресс, 2010. – 272 с.
  2. 2. Ясницкий Л.Н. Искусственный интеллект. Элективный курс: учебное пособ. – М.: БИНОМ. Лаборатория знаний, 2012. – 197 с.
  3. 3. Люгер Дж.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / пер. с англ. – 4-е изд.– М.: Вильямс, 2003. – 864 с.
  4. 4. Исмаилов А.Х. Интеллектуальные программные комплексы анализа больших данных / А.Х. Исмаилов, Б. Буленов, А.Н. Наурызбаева [и др.] // Интеграция науки, образования и производства индустриального государства: сборник мат. Межд. науч-практ. конф. – Нур-Султан: Мастер По ЖШС, 2002. – С. 79–81
  5. 5. Чубукова И.А. Data Mining. Курс лекций INTUIT, 2006. – 328 с. [Электронный ресурс]. – Режим доступа: https://www.twirpx.com/file/116669/
  6. 6. Послание Президента РК Н. Назарбаева народу Казахстана от 10 января 2018 года «Новые возможности развития в условиях четвертой промышленной революции» [Электронный ресурс]. – Режим доступа: https://www.akorda.kz/ru/addresses/
  7. 7. Замятин А.В. Интеллектуальный анализ данных: учеб. пособие. – Томск: Издательский дом Томского государственного университета, 2016. – 120 с.
  8. 8. Масимов К. Следующий властелин мира. ИИ, 2019. – 177 с.
  9. 9. Силен Д. Основы Data Science и Big Data. Python и наука о данных / Д. Силен, А. Мейсман, М. Али. – СПб.: Питер, 2017. – 336 с.

Comments(0)

When adding a comment stipulate:
  • the relevance of the published material;
  • general estimation (originality and relevance of the topic, completeness, depth, comprehensiveness of topic disclosure, consistency, coherence, evidence, structural ordering, nature and the accuracy of the examples, illustrative material, the credibility of the conclusions;
  • disadvantages, shortcomings;
  • questions and wishes to author.