EITC/AI/MLP gépi tanulás Python-nal

A gépi tanulás egy része szorosan kapcsolódik a számítási statisztikához, amely a számítógépes előrejelzésekre összpontosít, azonban nem minden gépi tanulás statisztikai tanulás. A matematikai optimalizálás vizsgálata módszereket, elméletet és alkalmazási területeket juttat a gépi tanulás területéhez. Az adatbányászat egy kapcsolódó tanulmányi terület, amely a felügyelet nélküli tanulás révén a feltáró adatelemzésre összpontosít. Az üzleti problémák kezelésében a gépi tanulást prediktív elemzésnek is nevezik.

A gépi tanulási megközelítéseket hagyományosan három nagy kategóriába sorolják, a tanulási rendszer számára elérhető „jel” vagy „visszacsatolás” jellegétől függően:

• Felügyelt tanulás: A számítógép bemutatja a bemeneteket és a kívánt kimeneteket, amelyeket egy „tanár” ad meg, és a cél egy olyan általános szabály megtanulása, amely a bemeneteket a kimenetekhez térképezi fel.
• Felügyelet nélküli tanulás: A tanulási algoritmushoz nem adnak címkéket, így saját maga hagyja elmenni a bemeneti struktúrában. A felügyelet nélküli tanulás önmagában is lehet cél (az adatok rejtett mintáinak feltárása), vagy eszköz a cél felé (funkciótanulás).
• Megerősítő tanulás: A számítógépes program kölcsönhatásba lép egy dinamikus környezettel, amelyben bizonyos célt kell teljesítenie (például járművezetés vagy játék az ellenfél ellen). A problématerületen történő navigálás során a program a visszajelzésekhez hasonló visszajelzést kap, amelyet igyekszik maximalizálni.

Más megközelítéseket fejlesztettek ki, amelyek nem illeszkednek ebbe a háromszoros kategorizálásba, és néha többet is használ ugyanaz a gépi tanulási rendszer. Például a téma modellezése, a dimenzió csökkentése vagy a meta tanulás.

2020-tól a mély tanulás vált a gépi tanulás területén folytatott sok munka domináns megközelítésévé.

A Python dinamikusan be van írva (futás közben sok olyan általános programozási magatartást hajt végre, amelyet a statikus programozási nyelvek végrehajtanak a fordítás során) és szemetet gyűjt (automatikus memóriakezeléssel). Támogatja a több programozási paradigmát, beleértve a strukturált (különösen az eljárási), az objektum-orientált és a funkcionális programozást. Az 1980-as évek végén hozták létre, és először 1991-ben adták ki Guido van Rossum az ABC programnyelv utódjaként. A 2.0-ben kiadott Python 2000 új funkciókat vezetett be, mint például a felsorolás megértését és a szemétgyűjtő rendszert referenciaszámlálással, és a 2.7-es verzióval 2020-ban megszüntették. A 3.0-ban kiadott Python 2008 a nyelv jelentős változata volt. nem teljesen visszafelé kompatibilis, és a Python 2 sok kódja nem fut változatlanul a Python 3-on. A Python 2 életciklusának végén (és a pip 2021-ben elvesztette a támogatást) csak a Python 3.6.x és újabb verzióit támogatják, a régebbi verziók továbbra is támogatja például a Windows 7-et (és a régi telepítőket, amelyek nem korlátozódnak a 64 bites Windows-ra).

A Python tolmácsokat a mainstream operációs rendszerek támogatják, és még néhányhoz rendelkezésre állnak (és a múltban még sokakat támogattak). A globális programozói közösség fejleszti és fenntartja a CPython-t, egy ingyenes és nyílt forráskódú referencia-megvalósítást. Egy nonprofit szervezet, a Python Software Foundation kezeli és irányítja a Python és a CPython fejlesztésének erőforrásait.

2021 januárjától a Python a harmadik helyet foglalja el a TIOBE legnépszerűbb programozási nyelvek indexében, a C és a Java mögött, korábban megszerezte a második helyet és díjat a 2020-as legnépszerűbb növekedésért. 2007-ben, 2010-ben választották az év programnyelvének. , és 2018.

Egy empirikus tanulmány megállapította, hogy a szkriptnyelvek, mint például a Python, produktívabbak, mint a hagyományos nyelvek, például a C és a Java a stringes manipulációt és a szótárban történő keresést magában foglaló programozási problémák esetén, és megállapították, hogy a memóriafogyasztás gyakran „jobb, mint a Java, és nem sokkal rosszabb, mint a C vagy a C ++ ”. A Python-t használó nagy szervezetek közé tartozik a Wikipedia, a Google, a Yahoo !, a CERN, a NASA, a Facebook, az Amazon, az Instagram.

A Python, mint mesterséges intelligencia alkalmazásai, mint moduláris felépítésű szkriptnyelv, egyszerű szintaxis és gazdag szövegfeldolgozó eszközök, gyakran használják a természetes nyelv feldolgozásához.