Hypersphere

Алгоритмы Машинного обучения - помощники в принятии инвестиционных решений

Зачем нужен ML?

Мы верим в то, что алгоритмы Машинного Обучения эффективнее человека. Они уже способны заменить людей в простых задачах, таких как распознавание изображений или речи. Но это не предел, ML осваивает быстрыми темпами и более сложные задачи, такие как вождение автомобиля или ведение беседы (например как это делает Siri). Следователно ML способен справится с задачей по прогнозированию цен на активы на финансовых рынках.

Машинное Обучение

Машинное обучение фокусируется на разработке компьютерных программ, которые могут учиться у себя самих, при наличии набора примеров (данных) и цели, которая должна быть достигнута. Глубокое обучение — это особый вид машинного обучения. Он основан на нейронных сетях, которые можно кратко описать как искусственное представление человеческого мозга. Нейронные сети глубокого обучения способны самостоятельно фокусироваться на нужных параметрах, делая анализ лучше, чем могут сделать люди.

Подробнее ...

Тренировка ML

Обучение глубокой нейронной сети чрезвычайно затратно и требует огромных объемов заранее подготовленных данных. Например, чтобы построить и обучить эффективную глубокую нейронную сеть, часто требуется недели использования больших вычислительных мощностей современных машин, оснащенных дорогими графическими процессорами. Другая проблема заключается в наличии подготовленных данных, используемых для тренировки моделей. Эти наборы данных, как правило, не являются общедоступными и находятся во владении компаний, которые собирают их различными способами.

Подробнее ...