Машинное обучение — различия между версиями
MuratOK (обсуждение | вклад) (→Классификация и регрессия) |
Evaleria (обсуждение | вклад) м |
||
(не показано 35 промежуточных версий 15 участников) | |||
Строка 8: | Строка 8: | ||
*[[Регуляризация]] | *[[Регуляризация]] | ||
*[[Ранжирование]] | *[[Ранжирование]] | ||
− | *[[ | + | *[[Рекомендательные системы]] |
*[[Жизненный цикл модели машинного обучения]]<tex>^\star</tex> | *[[Жизненный цикл модели машинного обучения]]<tex>^\star</tex> | ||
+ | *[[Многопоточность в машинном обучении]]<tex>^\star</tex> | ||
=Классификация и регрессия= | =Классификация и регрессия= | ||
− | |||
*[[Метрический классификатор и метод ближайших соседей]] | *[[Метрический классификатор и метод ближайших соседей]] | ||
*[[Дерево решений и случайный лес]] | *[[Дерево решений и случайный лес]] | ||
Строка 19: | Строка 19: | ||
*[[Логистическая регрессия]] | *[[Логистическая регрессия]] | ||
*[[Метод опорных векторов (SVM)]] | *[[Метод опорных векторов (SVM)]] | ||
+ | *[[Ядра]] | ||
+ | *[[Оценка качества в задачах классификации и регрессии]] | ||
*[[Байесовская классификация]] | *[[Байесовская классификация]] | ||
*[[Байесовские сети]] | *[[Байесовские сети]] | ||
Строка 25: | Строка 27: | ||
=Кластеризация= | =Кластеризация= | ||
*[[Кластеризация]] | *[[Кластеризация]] | ||
+ | *[[EM-алгоритм]] | ||
*[[Иерархическая кластеризация]] | *[[Иерархическая кластеризация]] | ||
*[[Оценка качества в задаче кластеризации]]<tex>^\star</tex> | *[[Оценка качества в задаче кластеризации]]<tex>^\star</tex> | ||
Строка 39: | Строка 42: | ||
*[[Обратное распространение ошибки]] | *[[Обратное распространение ошибки]] | ||
*[[Практики реализации нейронных сетей]] | *[[Практики реализации нейронных сетей]] | ||
+ | *[[Графовые нейронные сети]]<tex>^\star</tex> | ||
+ | *[[Рекурсивные нейронные сети]]<tex>^\star</tex> | ||
==Глубокое обучение== | ==Глубокое обучение== | ||
Строка 45: | Строка 50: | ||
*[[Batch-normalization]] | *[[Batch-normalization]] | ||
*[[Рекуррентные нейронные сети]] | *[[Рекуррентные нейронные сети]] | ||
− | *[[ | + | *[[Сети глубокого доверия]]<tex>^\star</tex> |
− | |||
===Сверточные сети=== | ===Сверточные сети=== | ||
*[[Сверточные нейронные сети]] | *[[Сверточные нейронные сети]] | ||
*[[Neural Style Transfer]]<tex>^\star</tex> | *[[Neural Style Transfer]]<tex>^\star</tex> | ||
+ | |||
+ | ===Компьютерное зрение=== | ||
+ | *[[Компьютерное зрение]] | ||
+ | *[[Оценка положения]]<tex>^\star</tex> | ||
+ | *[[Задача нахождения объектов на изображении]]<tex>^\star</tex> | ||
+ | *[[Сегментация изображений]] | ||
+ | *[[PixelRNN и PixelCNN]] | ||
===Порождающие модели=== | ===Порождающие модели=== | ||
Строка 63: | Строка 74: | ||
*[[Векторное представление слов]] | *[[Векторное представление слов]] | ||
*[[Классификация текстов и анализ тональности]] | *[[Классификация текстов и анализ тональности]] | ||
− | + | *[[Долгая краткосрочная память]] | |
− | + | *[[Механизм внимания]] | |
− | *[[ | ||
− | *[[ | ||
=Работа с данными= | =Работа с данными= | ||
*[[Уменьшение размерности]] | *[[Уменьшение размерности]] | ||
*[[Выброс]] | *[[Выброс]] | ||
+ | *[[Алгоритмы сэмплирования]] | ||
*[[Известные наборы данных]] | *[[Известные наборы данных]] | ||
+ | *[[Метод главных компонент (PCA)]] | ||
+ | *[[Стохастическое вложение соседей с t-распределением]] | ||
+ | |||
+ | =Виды обучения= | ||
+ | *[[Активное обучение]]<tex>^\star</tex> | ||
+ | *[[Обучение с частичным привлечением учителя]]<tex>^\star</tex> | ||
+ | *[[Обучение в реальном времени]]<tex>^\star</tex> | ||
− | =Обучение с подкреплением= | + | ==Автоматическое машинное обучение== |
+ | *[[Автоматическое машинное обучение]] | ||
+ | *[[Настройка гиперпараметров]] | ||
+ | *[[Модель алгоритма и ее выбор]] | ||
+ | *[[Мета-обучение]] | ||
+ | *[[Поиск архитектуры нейронной сети]] | ||
+ | |||
+ | ==Обучение с подкреплением== | ||
*[[Обучение с подкреплением]]<tex>^\star</tex> | *[[Обучение с подкреплением]]<tex>^\star</tex> | ||
*[[Методы policy gradient и алгоритм асинхронного актора-критика]]<tex>^\star</tex> | *[[Методы policy gradient и алгоритм асинхронного актора-критика]]<tex>^\star</tex> | ||
− | |||
− | |||
− | |||
=Примеры кода= | =Примеры кода= | ||
*[[Обзор библиотек для машинного обучения на Python]] | *[[Обзор библиотек для машинного обучения на Python]] | ||
*[[Примеры кода на Java]] | *[[Примеры кода на Java]] | ||
+ | *[[Примеры кода на R]]<tex>^\star</tex> | ||
*[[Примеры кода на Scala]]<tex>^\star</tex> | *[[Примеры кода на Scala]]<tex>^\star</tex> | ||
+ | *[[Примеры кода на Kotlin]]<tex>^\star</tex> | ||
+ | *[[Примеры кода на Kotlin в Jupyter Notebook]]<tex>^\star</tex> | ||
=В разработке= | =В разработке= | ||
− | *[[ | + | *[[Дополнение к ранжированию]] |
− | *[[ | + | *[[Генерация объектов]] |
− | + | *[[Распознавание текста на изображении]] | |
− | + | *[[Анализ видео]] | |
− | *[[ | ||
− | |||
− | |||
− | |||
− | |||
− | *[[ |
Версия 21:07, 4 сентября 2020
Содержание
Общие понятия
- Общие понятия
- Переобучение
- Кросс-валидация
- Стохастический градиентный спуск
- Регуляризация
- Ранжирование
- Рекомендательные системы
- Жизненный цикл модели машинного обучения
- Многопоточность в машинном обучении
Классификация и регрессия
- Метрический классификатор и метод ближайших соседей
- Дерево решений и случайный лес
- Вариации регрессии
- Линейная регрессия
- Логистическая регрессия
- Метод опорных векторов (SVM)
- Ядра
- Оценка качества в задачах классификации и регрессии
- Байесовская классификация
- Байесовские сети
- Поиск ближайших соседей с помощью иерархического маленького мира
Кластеризация
- Кластеризация
- EM-алгоритм
- Иерархическая кластеризация
- Оценка качества в задаче кластеризации
- Эволюционные алгоритмы кластеризации
Ансамбли
Нейронные сети
- Нейронные сети, перцептрон
- Обратное распространение ошибки
- Практики реализации нейронных сетей
- Графовые нейронные сети
- Рекурсивные нейронные сети
Глубокое обучение
- Глубокое обучение
- Настройка глубокой сети
- Batch-normalization
- Рекуррентные нейронные сети
- Сети глубокого доверия
Сверточные сети
Компьютерное зрение
- Компьютерное зрение
- Оценка положения
- Задача нахождения объектов на изображении
- Сегментация изображений
- PixelRNN и PixelCNN
Порождающие модели
Обработка естественного языка
- Распознавание речи
- Обработка естественного языка
- Векторное представление слов
- Классификация текстов и анализ тональности
- Долгая краткосрочная память
- Механизм внимания
Работа с данными
- Уменьшение размерности
- Выброс
- Алгоритмы сэмплирования
- Известные наборы данных
- Метод главных компонент (PCA)
- Стохастическое вложение соседей с t-распределением
Виды обучения
Автоматическое машинное обучение
- Автоматическое машинное обучение
- Настройка гиперпараметров
- Модель алгоритма и ее выбор
- Мета-обучение
- Поиск архитектуры нейронной сети
Обучение с подкреплением
Примеры кода
- Обзор библиотек для машинного обучения на Python
- Примеры кода на Java
- Примеры кода на R
- Примеры кода на Scala
- Примеры кода на Kotlin
- Примеры кода на Kotlin в Jupyter Notebook