Машинное обучение — различия между версиями
Evaleria (обсуждение | вклад) |
м (rollbackEdits.php mass rollback) |
||
| (не показано 85 промежуточных версий 26 участников) | |||
| Строка 3: | Строка 3: | ||
=Общие понятия= | =Общие понятия= | ||
*[[Общие понятия]] | *[[Общие понятия]] | ||
| − | |||
*[[Переобучение]] | *[[Переобучение]] | ||
*[[Кросс-валидация]] | *[[Кросс-валидация]] | ||
| − | *[[ | + | *[[Стохастический градиентный спуск]] |
| + | *[[Регуляризация]] | ||
| + | *[[Ранжирование]] | ||
| + | *[[Рекомендательные системы]] | ||
| + | *[[Интерпретируемые модели]] | ||
| + | *[[Жизненный цикл модели машинного обучения]]<tex>^\star</tex> | ||
| + | *[[Анализ временных рядов]]<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]] | ||
| + | *[[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]]<tex>^\star</tex> | ||
=Кластеризация= | =Кластеризация= | ||
*[[Кластеризация]] | *[[Кластеризация]] | ||
| + | *[[EM-алгоритм]] | ||
*[[Иерархическая кластеризация]] | *[[Иерархическая кластеризация]] | ||
| − | *[[Оценка качества в задаче кластеризации]]<tex>^\star</tex> | + | *[[Оценка качества в задаче кластеризации]] |
| + | *[[Эволюционные алгоритмы кластеризации]]<tex>^\star</tex> | ||
=Ансамбли= | =Ансамбли= | ||
*[[Виды ансамблей]] | *[[Виды ансамблей]] | ||
*[[Бустинг, AdaBoost]] | *[[Бустинг, AdaBoost]] | ||
| − | *[[CatBoost]] | + | *[[XGBoost]]<tex>^\star</tex> |
| + | *[[CatBoost]]<tex>^\star</tex> | ||
| − | =Глубокое обучение= | + | =Нейронные сети= |
| + | *[[Нейронные сети, перцептрон]] | ||
| + | *[[Обратное распространение ошибки]] | ||
| + | *[[Практики реализации нейронных сетей]] | ||
| + | *[[Графовые нейронные сети]]<tex>^\star</tex> | ||
| + | *[[Рекурсивные нейронные сети]]<tex>^\star</tex> | ||
| + | |||
| + | ==Глубокое обучение== | ||
*[[Глубокое обучение]] | *[[Глубокое обучение]] | ||
*[[Настройка глубокой сети]] | *[[Настройка глубокой сети]] | ||
*[[Batch-normalization]] | *[[Batch-normalization]] | ||
| − | *[[ | + | *[[Проблемы нейронных сетей]] |
*[[Рекуррентные нейронные сети]] | *[[Рекуррентные нейронные сети]] | ||
| − | ==Сверточные сети== | + | *[[Сиамская нейронная сеть]] |
| + | *[[Автокодировщик]] | ||
| + | *[[Сети глубокого доверия]]<tex>^\star</tex> | ||
| + | |||
| + | ===Сверточные сети=== | ||
*[[Сверточные нейронные сети]] | *[[Сверточные нейронные сети]] | ||
| − | *[[Generative Adversarial Nets (GAN)]]<tex>^\star</tex> | + | *[[Neural Style Transfer]]<tex>^\star</tex> |
| − | ==Обработка естественного языка== | + | |
| + | ===Компьютерное зрение=== | ||
| + | *[[Компьютерное зрение]] | ||
| + | *[[Сегментация изображений]] | ||
| + | *[[Задача нахождения объектов на изображении]]<tex>^\star</tex> | ||
| + | *[[Оценка положения]]<tex>^\star</tex> | ||
| + | *[[Определение положения человека]]<tex>^\star</tex> | ||
| + | *[[Распознавание изогнутого текста]]<tex>^\star</tex> | ||
| + | *[[Карта глубины]]<tex>^\star</tex> | ||
| + | *[[Вписывание части изображения]]<tex>^\star</tex> | ||
| + | *[[Блендинг изображений]]<tex>^\star</tex> | ||
| + | |||
| + | ===Порождающие модели=== | ||
| + | *[[Порождающие модели]] | ||
| + | *[[Генерация объектов]] | ||
| + | *[[Generative Adversarial Nets (GAN)|Порождающие состязательные сети, Generative Adversarial Networks (GAN)]] | ||
| + | *[[PixelRNN и PixelCNN]] | ||
| + | *[[Вариационный автокодировщик]]<tex>^\star</tex> | ||
| + | *[[Задача трансляции изображений]]<tex>^\star</tex> | ||
| + | *[[Генерация текста]]<tex>^\star</tex> | ||
| + | *[[Генерация изображения по тексту]]<tex>^\star</tex> | ||
| + | |||
| + | ===Обработка естественного языка=== | ||
*[[Распознавание речи]] | *[[Распознавание речи]] | ||
*[[Обработка естественного языка]] | *[[Обработка естественного языка]] | ||
| + | *[[Векторное представление слов]] | ||
| + | *[[Классификация текстов и анализ тональности]] | ||
| + | *[[Долгая краткосрочная память]] | ||
| + | *[[Механизм внимания]] | ||
| + | *[[BERT (языковая модель)]] | ||
| + | *[[Синтез речи]]<tex>^\star</tex> | ||
| + | *[[Диалоговые системы]]<tex>^\star</tex> | ||
| − | = | + | =Работа с данными= |
*[[Уменьшение размерности]] | *[[Уменьшение размерности]] | ||
| + | *[[Выброс]] | ||
| + | *[[Алгоритмы сэмплирования]] | ||
| + | *[[Известные наборы данных]] | ||
| + | *[[Метод главных компонент (PCA)]] | ||
| + | *[[Стохастическое вложение соседей с t-распределением]] | ||
| + | *[[Синтетические наборы данных]]<tex>^\star</tex> | ||
| + | |||
| + | =Виды обучения= | ||
| + | *[[Активное обучение]]<tex>^\star</tex> | ||
| + | *[[Обучение с частичным привлечением учителя]]<tex>^\star</tex> | ||
| + | *[[Обучение в реальном времени]]<tex>^\star</tex> | ||
| + | |||
| + | ==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== |
| − | *[[Обучение с подкреплением]] | + | *[[Обучение с подкреплением]]<tex>^\star</tex> |
| + | *[[Методы policy gradient и алгоритм асинхронного актора-критика]]<tex>^\star</tex> | ||
| − | = | + | =Реализация= |
*[[Обзор библиотек для машинного обучения на Python]] | *[[Обзор библиотек для машинного обучения на Python]] | ||
| − | *[[Примеры кода на Scala]] | + | *[[Многопоточность в машинном обучении]]<tex>^\star</tex> |
| + | *[[Примеры кода на Java]] | ||
| + | *[[Примеры кода на R]]<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> | ||
| + | *[[Машинное обучение на мобильных телефонах]]<tex>^\star</tex> | ||
| + | |||
| + | =Применение машинного обучения на практике= | ||
| + | *[[Анализ социальных сетей]]<tex>^\star</tex> | ||
| + | *[[Машинное обучение в медицине]]<tex>^\star</tex> | ||
| + | *[[Deepfake|Генерация дипфейков с помощью нейронных сетей]]<tex>^\star</tex> | ||
| + | *[[Представление знаний]]<tex>^\star</tex> | ||
| + | *[[Задача планирования движения]]<tex>^\star</tex> | ||
| + | *[[Машинное обучение в астрономии]]<tex>^\star</tex> | ||
| + | *[[Компьютерное зрение в микроскопии]]<tex>^\star</tex> | ||
| + | *[[Обучение на больших данных]]<tex>^\star</tex> | ||
| + | *[[Дополнение к ранжированию]]<tex>^\star</tex> | ||
=В разработке= | =В разработке= | ||
| − | *[[ | + | *[[Расположение объектов на изображении]] |
| − | + | *[[Распознавание текста на изображении]] | |
| − | + | *[[Определение геометрии изображения]] | |
| − | + | *[[Анализ видео]] | |
| − | + | *[[Обнаружение и обработка дорожных знаков и пешеходов]] | |
| − | + | *[[Трансформер]] | |
| − | *[[ | ||
| − | *[[ | ||
| − | *[[ | ||
| − | *[[ | ||
| − | *[[ | ||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
Текущая версия на 19:36, 4 сентября 2022
Содержание
Общие понятия
- Общие понятия
- Переобучение
- Кросс-валидация
- Стохастический градиентный спуск
- Регуляризация
- Ранжирование
- Рекомендательные системы
- Интерпретируемые модели
- Жизненный цикл модели машинного обучения
- Анализ временных рядов
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
- Проблемы нейронных сетей
- Рекуррентные нейронные сети
- Сиамская нейронная сеть
- Автокодировщик
- Сети глубокого доверия
Сверточные сети
Компьютерное зрение
- Компьютерное зрение
- Сегментация изображений
- Задача нахождения объектов на изображении
- Оценка положения
- Определение положения человека
- Распознавание изогнутого текста
- Карта глубины
- Вписывание части изображения
- Блендинг изображений
Порождающие модели
- Порождающие модели
- Генерация объектов
- Порождающие состязательные сети, Generative Adversarial Networks (GAN)
- PixelRNN и PixelCNN
- Вариационный автокодировщик
- Задача трансляции изображений
- Генерация текста
- Генерация изображения по тексту
Обработка естественного языка
- Распознавание речи
- Обработка естественного языка
- Векторное представление слов
- Классификация текстов и анализ тональности
- Долгая краткосрочная память
- Механизм внимания
- BERT (языковая модель)
- Синтез речи
- Диалоговые системы
Работа с данными
- Уменьшение размерности
- Выброс
- Алгоритмы сэмплирования
- Известные наборы данных
- Метод главных компонент (PCA)
- Стохастическое вложение соседей с t-распределением
- Синтетические наборы данных
Виды обучения
Автоматическое машинное обучение
- Автоматическое машинное обучение
- Настройка гиперпараметров
- Модель алгоритма и ее выбор
- Мета-обучение
- Поиск архитектуры нейронной сети
Обучение с подкреплением
Реализация
- Обзор библиотек для машинного обучения на Python
- Многопоточность в машинном обучении
- Примеры кода на Java
- Примеры кода на R
- Примеры кода на Scala
- Примеры кода на Kotlin
- Примеры кода на Kotlin в Jupyter Notebook
- Машинное обучение на мобильных телефонах
Применение машинного обучения на практике
- Анализ социальных сетей
- Машинное обучение в медицине
- Генерация дипфейков с помощью нейронных сетей
- Представление знаний
- Задача планирования движения
- Машинное обучение в астрономии
- Компьютерное зрение в микроскопии
- Обучение на больших данных
- Дополнение к ранжированию
