Застосування штучних нейронних мереж у задачах бізнес–прогнозування

Abstract

Штучні нейронні мережі – один із видів машинного навчання. Сьогодні нейронні мережі використовують як альтернативу всім існуючим алгоритмам для машинного перекладу, розпізнавання мови та музики, обробки зображень, визначення об'єктів на фото та відео. Глибоке навчання (Deep learning) – метод машинного навчання, заснований, у першу чергу, на нейронних мережах, хоча можна застосовувати й інші методи. У сучасній реальності практично у всьому, що стосується Deep Learning, використовують нейронні мережі. Успіх глибокого навчання безпосередньо залежить від потужності техніки. На момент появи нейронних мереж потужності комп'ютерів були низькими, через що і самі мережі були досить слабкими. Саме тому в той час неможливо було створити велику кількість шарів нейронних мереж, а саме від кількості шарів залежать можливості мережі. Але з появою GPU і TPU все змінилося. Сучасний Deep Learning здатен упоратися з великими розмірами мереж. А для глибокого навчання використовують спеціальні фреймворки: Keras, Detectron, TensorFlow, PyTorch та інші. Метою магістерської роботи є розробка штучної нейронної мережі для бізнес-прогнозування.