Машинное обучение

От азбуки до докторской степени, Wolfram Language - это идеальный инструмент для машинного обучения.

Классификаторы

Встроенные классификаторы

Вам не нужно быть экспертом, чтобы использовать машинное обучение в своем проекте: в Wolfram Language есть предварительно обученные, готовые к использованию функции классификаторов, поэтому вы можете легко выполнять полезные и интересные задачи.

In[•]:=
Out[•]=

Wolfram Language включает широкий спектр предварительно обученных классификаторов, которые можно применять к тексту, изображениям и многому другому.

Посмотреть полный список предварительно обученных классификаторов

Создание пользовательских классификаторов

Использование функции Classify может сэкономить вам много времени. Classify может изучить задачу классификации на небольшом наборе примеров, а затем автоматически определить наилучший способ классификации ваших данных.

Например, допустим, вам нужно пометить 1 000 отпускных фотографий, указав, есть ли на них люди или нет—это трудоемкая задача, если делать ее вручную. Если вы пометите только 20 фотографий, Classify сможет автоматически научиться различать фотографии с людьми и без и пометить все остальные менее чем за секунду:

In[•]:=
Out[•]=

Давайте протестируем нашу новую функцию ClassifierFunction, которую мы создали, с новыми изображениями, которых она раньше не видела:

In[•]:=
Out[•]=

Нейронные сети

Предварительно обученные нейронные сети

Для решения многих общих задач репозиторий Wolfram нейронных сетей предложит вам именно ту модель нейронной сети, которую вы пытаетесь применить, бесплатно и готовую к немедленному использованию в вашем проекте. В качестве наглядного примера мы использовали сеть CycleGAN для изменения стиля изображения на стиль, похожий на стиль Ван Гога:

In[•]:=
Out[•]=
In[•]:=
Out[•]=
In[•]:=
Out[•]=
In[•]:=
Out[•]=

Нажмите здесь, чтобы ознакомиться с полным списком более чем 100 нейронных сетей, доступных в репозитории нейронных сетей Wolfram

Пользовательские нейронные сети

Благодаря высокоуровневым конструкциям, таким как NetTrain и NetChain, Wolfram Language имеет отличные возможности для быстрого создания сложных нейронных сетей и прототипов.

Построение сети, которая явно вычисляет потери:

In[•]:=
Out[•]=

Initialize the net and evaluate it on an input:

In[•]:=

In[•]:=
Out[•]=

В этом примере NetTrain используется для обучения нейронной сети. Окно прогресса позволяет видеть результат обучения в реальном времени.

Построение сети вручную и ее инициализация случайными параметрами:

In[•]:=
Out[•]=

Оценка сети, используя множество значений:

In[•]:=
Out[•]=
In[•]:=

Обучение сети в течение нескольких раундов, проверяя в реальном времени, насколько она соответствует модели:

In[•]:=

Результат сети теперь приближается к символьному вычислению:

In[•]:=
Out[•]=
In[•]:=
Out[•]=

Приступаем к работе

Учебные ресурсы

Пути обучения

Попробуйте сейчас и потом научитесь

Хотите попробовать? Познакомьтесь с Wolfram Language, пробуя реальные примеры кода, ориентированные на машинное обучение.

Попробуйте прямо сейчас! Доступ с бесплатной учетной записью Wolfram Cloud
Получите бесплатную сертификацию по Wolfram Language

Мы упростили изучение Wolfram Language для вас. Попробуйте наш бесплатный интерактивный курс и получите сертификат.

Начните интерактивный онлайн-курс прямо сейчас! Длительность курса около 7 часов
Попробуйте прямо сейчас! Доступ с бесплатной учетной записью Wolfram Cloud
Начните интерактивный онлайн-курс прямо сейчас! Длительность курса около 7 часов

На новый уровень с машинным обучением

Хотите продолжить изучение машинного обучения?

Если вы хотите узнать больше о том, что Wolfram предлагает для машинного обучения, перейдите на страницу Wolfram по машинному обучению. Вы найдете:

  • Полный обзор
  • Документацию и специализированные функции
  • Предварительно обученные нейронные сети
  • Примеры для скачивания
  • Онлайн-классы и дополнительные ресурсы
Узнать подробнее

Рекомендуемый продукт