5 полезных платформ для начинающего ML-инженера

Кому полезен пост для сохранения? Школьникам, студентам и, конечно, людям, увлеченным машинным обучением, потому что данные платформы помогают визуально понять как работают алгоритмы машинного обучения.

И так:

ML Hive — классические алгоритмы ML

- Зачем оно надо?

- Здесь можно экспериментировать с линейной и полиномиальной регрессией, KNN, деревьями решений, SVM, K-Means и другими алгоритмами.

Random Forest Playground - отдельная песочница для Random Forest.

- Что предлагают?

- Можно менять количество деревьев, их максимальную глубину, размер обучающей выборки и уровень шума. Особенно полезно посмотреть, как голосуют отдельные деревья и как из их решений получается итоговый прогноз ансамбля. Заодно отображаются Accuracy, Precision и Recall отдельно для Train и Test.

Gradient Boosting Playground - смотрим, как работает бустинг.

- Что увидим?

- Посмотрим, как модель последовательно добавляет деревья, исправляя ошибки предыдущих, менять глубину деревьев и Learning Rate, экспериментировать с разными наборами данных. А ещё можно специально довести модель до переобучения и своими глазами увидеть, как Training Loss продолжает падать, а Test Loss начинает расти.

EngineersOfAI Playground — если честно, то это целая лаборатория ML.

- Что входит в лабораторию?

- По сути на одной площадке собраны визуализации разных алгоритмов и концепций машинного обучения. Удобный вариант, когда хочется сравнить , оценить разные подходы в обучении.

TensorFlow Playground — интерактивная песочница, где можно собрать небольшую нейросеть прямо в браузере и буквально наблюдать, как она учится.

В общем друзья, сохраняйте полезность, и конечно применяйте, потому что визуализация помогает понять интуицию алгоритма.?

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: