Abstract
Машинное обучение- метод анализа данных, автоматизирующий построение аналитической модели. Это-область искусственного интеллекта, основанная на идее, что машины должны быть способны учиться и адаптироваться с помощью опыта, а также тесно связана с вычислительной статистикой, которая делает прогнозы на основе статистических данных, собранных компьютером. Машинное обучение широко используется в маркетинге, медицине, аналитике, экономике, банковском деле, системе образования, науке, биотехнологии. Ну а для реализации компьютерных данных, удобна среда программирования Python. Программа Python является кроссплатформенным, имеет понятный синтаксис и большим количеством качественных библиотек по сравнению с другими языками программирования. При работе с большими объемами информации или вычислений лучше всего использовать среду обработки Ipython. Оболочка IPython может быть рассмотрена как интерактивный панель управления. Оболочка IPython имеет удобное синтаксическое приложение для языка Python. Кроме того, оболочка Ipython тесно связана с проектом Jupyter. В статье рассматриваются возможности установки среды обработки Jupyter. Jupyter блокнот (текстовый редактор) для браузера, который удобен для разработки, совместной работы и использования ресурсов, а также публикации научных результатов. Блокнот Jupyter Notebook устанавливается на основе команды pip в командной строке(cmd). В данной статье рассматриваются наиболее востребованные библиотеки среды программирования Python, как Numpy, Pandas, Scikit-learn, TensorFlow, Keras, Theano, позволяющие реализовать машинное обучение, и их преимущества и недостатки. Он позволяет легко изучать библиотеки Python машинного обучения для начинающего пользователя, который рассматривает машинное обучение.