УДК 004.032.26
DOI: 10.36871/ek.up.p.r.2024.12.08.009
Авторы
Султан Ризуанович Гаунов,
Кабардино-Балкарский государственный университет им. Х. М. Бербекова, Нальчик, Российская Федерация
Умар Гасанович Баймурадов,
Чеченский государственный университет им. А. А. Кадырова, Грозный, Российская Федерация
Сергей Юрьевич Ситников,
Казанский государственный энергетический университет, Казань, Российская Федерация
Аннотация
Машинное обучение на Python, используя библиотеки TensorFlow и scikitlearn, открывает широкие возможности для разработки и внедрения интеллектуальных систем, способных анализировать и обрабатывать большие объемы данных. В статье рассматриваются ключевые аспекты работы с этими библиотеками, включая их особенности, области применения, а также способы интеграции для решения комплексных задач. Особое внимание уделено реализации различных моделей машинного обучения, от классических методов (классификация, регрессия, кластеризация) с помощью scikit-learn до создания глубоких нейронных сетей с использованием TensorFlow. Процесс выбора между этими библиотеками в зависимости от сложности задачи и вычислительных требований также обсуждается. Работа подчеркивает важность комплексного подхода и синергии этих инструментов для решения актуальных задач в области аналитики и искусственного интеллекта.
Ключевые слова
машинное обучение, Python, TensorFlow, scikit-learn, глубокое обучение, классификация, регрессия, нейронные сети, анализ данных, искусственный интеллект
