my_set = {1, 2, 3, 2}
print(my_set) # Вывод: {1, 2, 3}
Управляющие конструкции: условные операторы, циклы
Условные операторы (if,elif,else) позволяют выполнять различные разделы кода в зависимости от того, истинно ли условие. Например:
age = 20
if age >= 18:
print("Вы совершеннолетний")
else:
print("Вы не совершеннолетний")
Циклы (for,while) используются для повторения блока кода несколько раз. for обычно используется для перебора элементов в коллекции, а
while – для повторения блока кода до тех пор, пока условие истинно. Примеры использования циклов:
# Цикл for
for i in range(5):
print(i) # Вывод: 0, 1, 2, 3, 4
# Цикл while
count = 0
while count < 5:
print(count)
count += 1 # Вывод: 0, 1, 2, 3, 4
Эти основы Python являются краеугольным камнем для дальнейшего изучения программирования и работы с более сложными задачами, включая машинное обучение и нейросети, которые мы рассмотрим в следующих главах.
Глава 2: Введение в нейросети
Что такое искусственный интеллект и нейросети
Искусственный интеллект (ИИ) – это раздел информатики, который занимается созданием машин, способных выполнять задачи, требующие человеческого интеллекта, такие как восприятие, рассуждение, обучение и решение проблем. В основе ИИ лежат алгоритмы, способные обрабатывать, анализировать и извлекать знания или умения из данных. Нейросети – это класс алгоритмов ИИ, вдохновленных строением и функционированием человеческого мозга, состоящих из слоев нейронов, соединенных синапсами.
Типы нейросетей: свёрточные, рекуррентные, MLP
– Свёрточные нейросети (CNN): Эти сети имитируют процесс зрительного восприятия у животных и используются в основном для задач обработки изображений и видео. CNN хорошо справляются с распознаванием образов, классификацией изображений и даже с анализом видео в реальном времени.
– Рекуррентные нейросети (RNN): RNN обладают способностью сохранять информацию о предыдущих данных благодаря внутреннему состоянию (памяти), что делает их идеальными для задач, где необходимо работать с последовательностями данных, например, при обработке естественного языка или при анализе временных рядов.
– Многослойные перцептроны(MLP): Основанные на классических принципах нейронных сетей, MLP состоят из входного слоя, одного или нескольких скрытых слоев и выходного слоя. Эти сети используются в различных задачах, от классификации и регрессии до рекомендательных систем.