ВКР: Применение методов машинного обучения для построения классификационной модели прогнозирования заболеваемости SARS-CoV-2

Оглавление
Введение
1. Теоретическая часть
1.1. Обзор русскоязычных исследований
1.2. Обзор англоязычных исследований
1.3. Обзор книг
1.4. Обзор диссертаций
2. Описание системы
2.1. Обзор программного обеспечения
2.2. Обзор набора данных
2.3. Обзор используемых библиотек Keras и Scikit Learn
2.4. Обзор применяемых методов машинного обучения
3. Практическая часть
3.1. Реализация нейронной сети с помощью библиотеки Keras
3.2. Реализация метода деревьев решений (Random Forest) с помощью библиотеки ScikitLearn
3.3. Реализация метода Байеса (Naive Bayes) с помощью библиотеки Scikit Learn
3.4. Реализация логистической регрессии (Logistic regression) с помощью библиотеки Scikit Learn
3.5. Реализация метода k ближайших соседей (K-Nearest Neighbors) с помощью библиотеки Scikit Learn
3.6. Реализация метода Adaptive Boosting (AdaBoost) с помощью библиотеки Scikit Learn
3.7. Реализация нейронной сети с помощью библиотеки Scikit Learn
Заключение

Введение

Для всего мира сейчас характерна колоссальная динамика изменений. Возможность предсказания, прогнозирования этой динамики давно интересовали теоретиков и практиков. Технологии прогнозирования продолжают развиваться и все больше с каждым годом проникают в жизни людей. В настоящее время сложно представить сферу общественной жизни, в которой не будет данных технологий, например, медицина, экономика, маркетинг и т.д. В прогнозировании помогают современные технологии, то есть машинное обучение.
Машинное обучение (Machine Learning) — обширный подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться. Различают два типа обучения. Обучение по прецедентам, или индуктивное обучение, основано на выявлении общих закономерностей по частным эмпирическим данным. Дедуктивное обучение предполагает формализацию знаний экспертов и их перенос в компьютер в виде базы знаний. Дедуктивное обучение принято относить к области экспертных систем, поэтому термины машинное обучение и обучение по прецедентам можно считать синонимами.
Машинное о