Machine Learning, торговые роботы.

Машинное обучение — торговые роботы, это тоже машинное обучение. Вообще нашел очень интересную ссылку, но сначала хочу выложить немного личных наработок. Все дело в том, вся суть долгого копания заключается в том, что ты практически сразу находишь истину, но ты копаешь дальше и дальнейший процесс это уже осознание, отделение ошибок. В итоге я очень кратко могу рассказать об очень ценных вещах.
 Закройте и откройте глаза, вы видите объекты вокруг и их части, все что вас окружает именно это. Объекты могут двигаться и иметь различные свойства. Некоторые объекты имеют свойство изменять температуру, другие вес и так далее. Для более широкого понимания советую выйти из дома и погулять. Понаблюдайте за движимыми и недвижимыми объектами, понаблюдайте за взаимодействием объектов. Напримиер хороший пример взаимодействия объектов — это двигатели.  
 Значит, понаблюдав за одним объектом и выявив его свойства мы можем прийти к такой таблице. Допустим мы сняли показания с движущегося объекта, например в воздухе, например 5 свойств, это — скорость, высота, температура двигателя, угол наклона самолета, ну и свойства 5 это показания с еще одного датчика, которых может быть в разы больше и еще больше) 

Что можно отметить?

1)Если вы поняли, что с данного объекта нужно снять показания, то нужно оперделить его свойстваДалее, время то не стоит на месте и свойства могут изменятьсяВ итоге мы получаем четкую методичку, можно вот прям брать и снимать показания с любого объекта.

Теперь о сложном!

 Например, мы не просто наблюдаем за одним объектом, а наблюдаем за группой объектов. Но самое важное условие, что эта группа объектов должна быть группой, их действия должны быть обучловлены общим мотивом. Допустим мы наблюдаем за группой самолетов, Если мы будем наблюдать за показаниями 5-ти самолетов, которые никак не связаны между собой, мы просто получим показания с 5 ти разных машин и это вообще бессмысленно. Но если мы наблюдаем за группой машин, которые летят рядом, эти данные становятся важной стратегической информацией. Отсюда выходит правило, если вы наблюдаете за группой объектов, (получается просто имеете несколько таких таблиц и ведете запись изменения свойств каждого объекта), их жизнь должна быть связана. 
 Окружающий мир говорит о том, что взаимодействие может быть как между одинаковыми объектами (группа самолетов на взлете, например), так например и могут взаимодействовать абсолютно разные объекты, например, двигатель (части двигателя), в работающем двигателе, если снимать показания с каждого отдельного объекта, то будет наблюдаться закономерность, если мы снимем показания по каждому объекту и занесем все данные в таблицу, то например, если мы проследим цикл времени от 1 до 5, то при повторном цикле от 1 до 5 ти, мы должны будем наблюдать закономерности, в каждом цикле времени. Мы получаем очень ценные данные, над которыми можно произвести массу наблюдений.

Вот основные концепции ООП, логики снятия показателей с взаимодействующих предположительно объектов, иначе анархия!

Вот очень интересный ресурс, очень доступное введение в машинное обучение, обучение торгового робота или автопилота с применением таблиц и при условии что наблюдаются зависимые объекты, очень похоже. Обучение автоматики похоже в принципе.

Закономерности могут быть очень необычны, главное качественно снять показания с объектов!

www.kaggle.com/startupsci/titanic-data-science-solutions

Собственно, я только начинаю проходить этот курс, но у меня есть некоторая практическая подготовка которая дает мне некоторые мысли которыми я поделился, что вселяет в меня оптимизм, чем я и поделился.