Методи обчислень у машинному навчанні
Анотація
Машинне навчання – це потужний інструмент аналізу даних, здатний виявляти закономірності, робити прогнози та приймати рішення на основі статистичних і обчислювальних методів. В основі роботи будь-якої моделі машинного навчання лежить обробка числової інформації, тож точність і ефективність обчислень мають вирішальне значення. Особливо важливими є класичні чисельні методи, що дають змогу аналізувати дані, будувати та навчати моделі, а також оцінювати їх точність.
Посилання
Чисельнi методи (для студентiв факультету комп’ютерних наук та кiбернетики, ОП «Системний аналiз»): навч. посiб. / К. М. Голубєва, О. Ф. Кашпур, Д. А. Клюшин. Київ: 2022. 145 с.
Géron A. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. 2nd ed. O’Reilly Media, 2019. 812 p.
Goodfellow I., Bengio Y., Courville A. Deep Learning. MIT Press, 2016. 775 p.
Strang G. Introduction to Linear Algebra. 5th ed. Wellesley-Cambridge Press, 2016. 584 p.
Математичні методи аналізу даних: навч. посіб. / В. М. Бондарчук, Р. М. Головня, О. А. Громовий, І. В. Давидова, А. Г. Ткачук. Житомир: Державний університет «Житомирська політехніка», 2023. 145 с.
Burden R. L., Faires J. D. Numerical Analysis. 10th ed. Cengage Learning, 2015. 888 p.
Метод інтерполяції для прогнозування метрик використання хмарних обчислень в статистичному навчанні / Н. А. Потапова, Л. О. Волонтир, І. П. Частоколенко, М. С. Григоренко. Наука і техніка сьогодні. 2024. № 4(32). С. 1192–1205. URL: https://perspectives.pp.ua/index.php/ nts/article/view/10943
