Личный кабинет

Дипломная работаИнформатика

Готовая работа №139328 от пользователя Жуковский Роман

ПРИМЕНЕНИЕ ИНСТРУМЕНТАРИЯ МАШИННОГО ОБУЧЕНИЯ ДЛЯ РАЗРАБОТКИ МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ

Name: ПРИМЕНЕНИЕ ИНСТРУМЕНТАРИЯ МАШИННОГО ОБУЧЕНИЯ ДЛЯ РАЗРАБОТКИ МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ
Price: 1120.00 RUB

1 120 ₽

Файл с работой можно будет скачать в личном кабинете после покупки

Страниц: 46

Год написания: 2025

Жуковский Роман

Сообщить о нарушении авторских прав

Гарантия безопасной покупки

Уникальность текста выше 50%

Возможность снять с продажи

Не подходит эта работа?

Укажите тему работы или свой e-mail, мы отправим подборку похожих работ

содержание

ВВЕДЕНИЕ 3
ГЛАВА 1. МАШИННОЕ ОБУЧЕНИЕ 5
1.1 Основные методы машинного обучения 5
1.2 Цель Машинного обучения 7
1.3 Что необходимо для качественного Машинного обучения? 7
1.4 Искусственные нейронные сети в машинном обучении 7
1.5 Типы нейронных сетей 8
1.6 Связь машинного обучения и искусственного интеллекта 10
ГЛАВА 2. НЕЙРОННЫЕ СЕТИ 11
2.1 Программное использование нейронных сетей 12
2.2. Математическая модель нейронных сетей 13
2.3. Сферы применения ИИ 18
2.4. Дальнейшие перспективы развития 21
ГЛАВА 3. РЕАЛИЗАЦИЯ И ХОД ИССЛЕДОВАНИЙ 22
3.1. Реализация Нейронной сети в Colaboratory. Создание нейронной сети для прогнозирования продаж лимонада без учёта прибыли. 23
3.2. Реализация более сложной нелинейной модели прогнозирования с использованием искусственных нейронных сетей. Прогнозирование временных рядов с помощью Pytorch. 29
ЗАКЛЮЧЕНИЕ 34
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 36
ПРИЛОЖЕНИЯ 38

Весь текст будет доступен после покупки

Показать еще текст

ВВЕДЕНИЕ

В современном мире, характеризующемся экспоненциальным ростом объемов данных и возрастающей сложностью бизнес-процессов, точное и своевременное прогнозирование становится не просто желательным, а критически необходимым условием для устойчивого развития и конкурентоспособности организаций. От финансовых рынков до логистических цепочек, от энергетики до здравоохранения, потребность в надежных прогнозах определяет эффективность планирования, принятия решений и управления рисками. Традиционные методы прогнозирования, основанные на статистическом анализе и экспертных оценках, зачастую оказываются неспособными адекватно обрабатывать нелинейные зависимости, учитывать множество факторов и адаптироваться к быстро меняющимся условиям. В этой связи, применение инструментария машинного обучения для разработки прогностических моделей представляет собой прорывное направление, открывающее новые возможности для повышения точности, автоматизации и масштабируемости прогнозирования.
Машинное обучение, с его широким спектром алгоритмов и методов, позволяет выявлять скрытые закономерности в данных, строить сложные модели и адаптироваться к новым данным в режиме реального времени. От регрессионных моделей до нейронных сетей, ML предоставляет мощные инструменты для решения задач прогнозирования в самых разных областях. При этом, машинное обучение не только улучшает качество прогнозов, но и позволяет автоматизировать процесс моделирования, сократить время и затраты на разработку и внедрение прогностических систем.

Весь текст будет доступен после покупки

Показать еще текст

отрывок из работы

ГЛАВА 1. МАШИННОЕ ОБУЧЕНИЕ
1.1 Основные методы машинного обучения
• Рекуррентные нейронные сети являются одним из самых популярных методов машинного обучения, который используется при разработке естественного языка. Суть такого метода заключается в последовательном использовании информации.
• Градиентный бустинг — это технология, решающая задачи классификации и регрессии, позволяющая спроектировать модель прогнозирования в форме группы слабых моделей прогнозирования, часто деревьев решений. В данном машинном методе используются деревья принятия решений. Такая модель довольно слаба, но при последовательном построении решений минимизируются ошибки, и результат становится лучше.
• Распределение гауссовского процесса. Гауссовские процессы успешно применяются для решения различных задач машинного обучения, таких как классификация, регрессия, понижение размерности. С помощью таких методов можно автоматически настроить сложность модели и оценить неопределенность в прогнозе.
• Метод опорных векторов. Суть данного метода заключается в отображении векторов пространства признаков в пространство более высокой размерности. Это связано c линейной разделимостью, поскольку в пространстве меньшей размерности линейная разделимость множества ниже, чем в пространстве большей размерности. Ожидаемое качество распознавания выше, когда больше признаков используется для распознавания объектов.

Весь текст будет доступен после покупки

Показать еще текст

Список литературы

1. Вьюгин В. В. Математические основы теории машинного обучения и прогнозирования: учебное пособие. — М., 2013. — 387 с.
2. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. — СПб.: Питер, 2018. — 480 с.: ил.
3. Морозова В. И., Логунова Д. И. Прогнозирование методом машинного обучения // Молодой ученый. — 2022. — № 21 (416). — С. 202–204.
4. Заенцев И. В. Нейронные сети: основные модели. — Воронеж: Изд-во Воронежского госуд. ун-та, 1999. — 76 с.
5. Ф.М. Гафаров, А.Ф. Галимянов. Искусственные нейронные сети и их приложения. — URL: https://kpfu.ru/staff_files/F1493580427/NejronGafGal.pdf (дата обращения: 15.10.2024). — Режим доступа: свободный.
6. А.В. Кугаевских, Д.И. Муромцев, О.В. Кирсанова. Классические методы машинного обучения. — URL: https://books.ifmo.ru/file/pdf/3075.pdf (дата обращения: 17.12.2024). — Режим доступа: свободный.
7. https://cyberleninka.ru/article/n/model-primeneniya-svertochnoy-neyronnoy-seti-cnn-v-sochetanii-s-dolgovremennoy-pamyatyu-lstm-prognozirovaniya-tseny-na-neft-v (дата обращения: 14.04.2025). — Режим доступа: свободный.
8. https://habr.com/ru/articles/505338/ (дата обращения: 14.04.2025). — Режим доступа: свободный.
9. https://kpfu.ru/staff_files/F409212678/NEJRONNYE_SETI_V_PYTORC_._F.M._GAFAROV__A.F._GILEMZYANOV.pdf (дата обращения: 30.04.2025). — Режим доступа: свободный.
10. https://evergreens.com.ua/ru/articles/machine-learning-overview.html/ (дата обращения: 30.11.2022). — Режим доступа: свободный.

Весь текст будет доступен после покупки

Показать еще текст

Купить и скачать работу

ПРИМЕНЕНИЕ ИНСТРУМЕНТАРИЯ МАШИННОГО ОБУЧЕНИЯ ДЛЯ РАЗРАБОТКИ МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ

Почему студенты выбирают наш сервис?

Работаем круглосуточно

24 часа в сутки

7 дней в неделю

Гарантия

Возврат средств в случае проблем с купленной готовой работой

Мы лидеры

LeWork является лидером по количеству опубликованных материалов для студентов

не подошла эта работа?

В нашей базе 78761 курсовых работ – поможем найти подходящую

Ответы на часто задаваемые вопросы

Как оплатить заказ?

Чтобы оплатить заказ на сайте, необходимо сначала пополнить баланс на этой странице - https://lework.net/addbalance

На странице пополнения баланса у вас будет возможность выбрать способ оплаты - банковская карта, электронный кошелек или другой способ.

После пополнения баланса на сайте, необходимо перейти на страницу заказа и завершить покупку, нажав соответствующую кнопку.

Если у вас возникли проблемы при пополнении баланса на сайте или остались вопросы по оплате заказа, напишите нам на support@lework.net. Мы обязательно вам поможем!

Есть ли услуга безопасной покупки, и какой срок гарантии?

Да, покупка готовой работы на сайте происходит через "безопасную сделку". Покупатель и Продавец финансово защищены от недобросовестных пользователей. Гарантийный срок составляет 7 дней со дня покупки готовой работы. В течение этого времени покупатель имеет право подать жалобу на странице готовой работы, если купленная работа не соответствует описанию на сайте. Рассмотрение жалобы занимает от 3 до 5 рабочих дней.

Что означает возможность снять с продажи готовую работу ?

У покупателя есть возможность снять готовую работу с продажи на сайте. Например, если необходимо скрыть страницу с работой от третьих лиц на определенный срок. Тариф можно выбрать на странице готовой работы после покупки.

Как вернуть средства за некачественную работу?

Гарантийный срок составляет 7 дней со дня покупки готовой работы. В течение этого времени покупатель имеет право подать жалобу на странице готовой работы, если купленная работа не соответствует описанию на сайте. Рассмотрение жалобы занимает от 3 до 5 рабочих дней. Если администрация сайта принимает решение о возврате денежных средств, то покупатель получает уведомление в личном кабинете и на электронную почту о возврате. Средства можно потратить на покупку другой готовой работы или вывести с сайта на банковскую карту. Вывод средств можно оформить в личном кабинете, заполнив соответствущую форму.

Как связаться со службой поддержки, если возникли вопросы?

Мы с радостью ответим на ваши вопросы по электронной почте support@lework.net