Pieejamo mašīnmācīšanās rīku analīze un novērtējums

Abstract

Bakalaura darba tēma ir: „Pieejamo mašīnmācīšanās rīku analīze un novērtējums”. Tā kā nosaukums ir ļoti vispārīgs, darba izstrādei tika izvirzīts konkrēts mērķis: Novērtēt un analizēt brīvā un komerciālā pieejā esošos rīkus mašīnmācīšanās. Lai šo mērķi sasniegtu, tika izvirzīti arī sekojoši uzdevumi: 1. Apskatīt mašīnmacīšanas nozīmi mūsdienā un definēt terminu „mašīnmacīšanas rīks”. 2. Izstrādāt kritēriju bāzi dažādu sistēmu salīdzināšanai. 3. Apskatīt mašīnmācīšanās rīku specializāciju un praktisko pielietošanu. 4. Balstoties uz iegūtiem datiem, novērtēt programmatūru pēc darba laika izstrādātas kritēriju bāzes.

Darba gaitā tika apskatītas vairākas atvērtā koda mašīnmacīšanas rīku pielietošanas sistēmas. Tika izpētīta pieejamā informācija internetā un arī literatūrā par pašu mašīnmācīšanu, kā arī darbā izklāstīta paša pieredze. Darba gaitā tika analizētas dažādas sistēmas un tika novērtētas un salīdzinātas ērtākai sistēmas atrašanai. Lai iegūtu priekšstatu par mašīnmacīšanas rīkiem un to praktisko pielietošanu tika arī lasīta literatūra par mašīnmšcīšanu, to veidiem un saistību ar citām zinātnes nozarēm. Tika izveidotas tabulas, lai salīdzināšana būtu uzskatāmāka, kurās minēti konkrēti produkti un tiem piemītošās īpašības.

The topic of this work is: „Analysis and evaluation of machine learning software”. Since the topic of this work is very general, development was mainly focused on particular purpose: evaluate and analyze free software for machine learning. To accomplish this goal there where nominated several goals: 1. View machine learning purpose in everyday life and define “machine learning software” 2. Develop a base of criteria to compare different systems. 3. View machine learning tool specialization and practical application. 4. Based on the findings, evaluate the software, due to developed criteria base.

While working on the project several open source software suits implementing machine learning algorithms were inspected. During the work process was analyzed available literature on machine learning and information on the web to define criteria base, as well as personal experience was of working with mentioned suits was described. A variety of systems where analyzed and evaluated to define the most useful and comfortable suit. To get an idea of machine learning tools and their practical application literature was read about corresponding scientific field to define it’s types and relation to other scientific fields. Tables containing information about software suits were created to visually represent evaluation data gained.