P2.2.5 Кластеризация методом k-средних без учителя | Основы машинного обучения - от Python до GenAI скачать в хорошем качестве

P2.2.5 Кластеризация методом k-средних без учителя | Основы машинного обучения - от Python до GenAI

Как Amazon узнает, что вы «покупатель техники», без чьего-либо определения? Как Spotify формирует ваш ежедневный микс, не зная ваших предпочтений заранее? Ответ — неконтролируемое обучение, и в этом видео вы создадите именно это: систему сегментации клиентов с использованием кластеризации методом K-средних. В этом разделе (P2.2.5 — Обучение без учителя: кластеризация методом K-средних): → Что такое обучение без учителя и когда его использовать → Кластеризация в реальном мире: Amazon, Spotify, Zomato, здравоохранение → Как работает K-средние — простое объяснение алгоритма → Какой алгоритм кластеризации использовать и когда: K-средние против DBSCAN против иерархических моделей против моделей гауссовой смеси → Почему в обучении без учителя нет разделения на обучающую и тестовую выборки → Почему нет фазы оценки — и что делать вместо нее → Создание реальной модели сегментации клиентов на Python → Почему города и категории конкурировали в векторах — и как это исправить → Преимущества и ограничения K-средних → Связь с GenAI: как K-средние напрямую связаны с эмбеддингами и RAG Трехэтапный рабочий процесс обучения без учителя: Этап 1 → Обучение | Этап 2 → Вывод | Этап 3 → Интерпретация 📂 Часть базового курса GenAI 📁 GitHub https://github.com/MaighaInc/pycore/t... 💬 Discord   / discord   ───────────────────────────────── 🔔 Подпишитесь, чтобы не пропустить следующую сессию 👍 Поставьте лайк, если кластеризация наконец-то стала понятной 💬 Задавайте свои вопросы ниже — Я читаю каждый ──────────────────────────────