Категория:Машинное обучение — различия между версиями

C

• Computer vision

А

• Автоматическое машинное обучение
• Активное обучение

В

• Виды обучения

Г

• Генерация объектов
• Глубокое обучение

К

• Классификация и регрессия
• Кластеризация
• Компьютерное зрение

М

• Метод главных компонент

О

• Обработка естественного языка
• Обучение с подкреплением
• Обучение с частичным привлечением учителя

П

• Порождающие модели
• Практическое применение машинного обучения
• Примеры кода

Р

• Рекомендательные системы

У

• Уменьшение размерности

• Вырезание объекта на изображении
• Задача трансляции изображений

B

• Batch-normalization
• BERT (языковая модель)

C

• CatBoost

D

• Deepfake
• Участница:DespairedController/Черновик:Распознавание речи

E

• EM-алгоритм

G

• Generative Adversarial Nets (GAN)
• Участник:Gpevnev

N

• Neural Style Transfer

P

• PixelRNN и PixelCNN

Q

• Обсуждение участника:Qrort

S

• SoftMax и SoftArgMax

X

• XGBoost

А

• Автокодировщик
• Автоматическое машинное обучение
• Активное обучение
• Алгоритмы сэмплирования
• Анализ временных рядов
• Анализ социальных сетей

Б

• Байесовская классификация
• Байесовские сети
• Блендинг изображений
• Бустинг, AdaBoost

В

• Вариации регрессии
• Вариационный автокодировщик
• Векторное представление слов
• Виды ансамблей
• Вписывание части изображения
• Выброс

Г

• Генерация дипфейков с помощью нейронных сетей
• Генерация изображения по тексту
• Генерация объектов
• Генерация текста
• Глубокое обучение
• Графовые нейронные сети

Д

• Дерево решений и случайный лес
• Диалоговые системы
• Долгая краткосрочная память
• Дополнения конспектов по машинному обучению

Ж

• Жизненный цикл модели машинного обучения

З

• Задача нахождения объектов на изображении
• Задача планирования движения

И

• Иерархическая кластеризация
• Известные наборы данных
• Извлечение эмоций
• Инициализация параметров глубокой сети
• Интерпретируемые модели

К

• Карта глубины
• Классификация текстов и анализ тональности
• Кластеризация
• Компьютерное зрение
• Компьютерное зрение в микроскопии
• Кросс-валидация

Л

• Линейная регрессия
• Логистическая регрессия

М

• Машинное обучение
• Машинное обучение в астрономии
• Машинное обучение в медицине
• Машинное обучение на мобильных телефонах
• Мета-обучение
• Метод главных компонент (PCA)
• Метод опорных векторов (SVM)
• Методы policy gradient и алгоритм асинхронного актора-критика
• Метрический классификатор и метод ближайших соседей
• Механизм внимания
• Многопоточность в машинном обучении
• Модель алгоритма и её выбор

Н

• Настройка гиперпараметров
• Настройка глубокой сети
• Нейронные сети, перцептрон

О

• Обзор библиотек для машинного обучения на Python
• Обработка естественного языка
• Обратное распространение ошибки
• Обучение в реальном времени
• Обучение на больших данных
• Обучение с подкреплением
• Обучение с частичным привлечением учителя
• Общие понятия
• Определение геометрии изображения
• Определение положения человека
• Отслеживание направления взгляда пользователя в браузере
• Оценка качества в задачах классификации и регрессии
• Оценка качества в задаче кластеризации

П

• Поиск архитектуры нейронной сети
• Поиск ближайших соседей с помощью иерархического маленького мира
• Порождающие модели
• Практики реализации нейронных сетей
• Представление знаний
• Примеры кода на Java
• Примеры кода на Kotlin
• Примеры кода на Kotlin в Jupyter Notebook
• Примеры кода на R
• Примеры кода на Scala
• Проблемы нейронных сетей

Р

• Ранжирование
• Распознавание изогнутого текста
• Распознавание речи
• Регуляризация
• Рекомендательные системы
• Рекуррентные нейронные сети
• Рекурсивные нейронные сети

С

• Сверточные нейронные сети
• Сегментация изображений
• Сети глубокого доверия
• Синтез речи
• Синтетические наборы данных
• Стохастический градиентный спуск
• Стохастическое вложение соседей с t-распределением

У

• Уменьшение размерности

Э

• Эволюционные алгоритмы кластеризации

Я

• Ядра
• Ядро