машинне навчання

У цій статті розглянуто теоретичні аспекти логістичної регресії для бінарної класифікації даних, включаючи процеси підготовки даних, навчання, тестування та показники оцінювання моделей.

Сформульовано вимоги до вхідних наборів даних, описано способи кодування категоріальних даних, визначено та обґрунтовано способи масштабування вхідних ознак.

У цій статті виконано математичне обґрунтування логістичної регресії як ефективного і простого для реалізації методу машинного навчання.

Проведено огляд літературних джерел за напрямком статистичного опрацювання, аналізу та класифікації даних методом логістичної регресії, що підтвердило популярність застосування цього методу у різних предметних областях.

Коректна оцінка вартості нерухомості відіграє вирішальну роль у купівлі та продажу. Вартість визначається різними факторами, такими як розташування, площа кухні та кімнат, стан, рік забудови, зручності, інфраструктура поблизу, тренди розвитку району, ринкові тенденції, та багатьма іншими. Розроблена модель допоможе продавцям отримати оцінку їхньої нерухомості за внесеними параметрами, що може слугувати відправною точкою для встановлення кінцевої вартості.

Запропоновано метод розпізнавання контурів об’єктів у відеопотоці даних. Дані потрібно завантажити за допомогою відеокамери у режимі реального часу та здійснити розпізнавання об’єктів. Використано мережу YOLO – метод ідентифікації та ропізнавання об’єктів у реальному часі. Розпізнані об’єкти будуть записані у відео- послідовності із зазначенням контурів об’єктів.

У статті автори проаналізували сучасний стан досліджень у галузі емоційного аналізу україномовного контенту для систем інтелектуального аналізу даних. Проаналізовано основні методи та підходи до вирішення проблеми. Також розглянуто основні алгоритми машинного навчання для аналізу текстового контенту. В результаті аналізу визначено основні методи і підходи, які можна використати для аналізу саме української мови, та здійснено їх класифікацію. Подальшим етапом стало проєктування функціональності системи з використанням структурного підходу.

У цій статті автори зосередили увагу на аналізі можливостей застосування моделей штучного інтелекту для ефективного виявлення та аналізу кіберзлочинів. Розроблено та описано комплексний метод із використанням алгоритмів штучного інтелекту, таких як Випадковий ліс та Ізоляційний ліс, для виявлення програм-вимагачів, які є однією з основних загроз для систем управління інформаційною безпекою (ISMS) у сфері критичної інфраструктури.

Research focuses on developing an all-encompassing algorithm for efficiently extracting, processing, and analyz- ing data about thermometers. The examination involves the application of a branch of artificial intelligence, in particular machine learning (ML) methods, as a means of automating processes. Such methods facilitate the identification and aggregation of pertinent data, the detection of gaps, and the conversion of unstructured text into an easily analyzable structured format.

The food industry is going through constant improvements and is subject to analyzing consumer needs, product quality research is essential to striking this balance. In this regard, meat quality, the most essential food category, should be studied with unbiased methods that give precise and correct results. Classification algorithms are considered one of the main components of developing an objective and reliable method of meat quality assessment.