Машинное обучение — различия между версиями
Geny200 (обсуждение | вклад) м (→В разработке) |
м (rollbackEdits.php mass rollback) |
||
| (не показаны 3 промежуточные версии 2 участников) | |||
| Строка 9: | Строка 9: | ||
*[[Ранжирование]] | *[[Ранжирование]] | ||
*[[Рекомендательные системы]] | *[[Рекомендательные системы]] | ||
| + | *[[Интерпретируемые модели]] | ||
*[[Жизненный цикл модели машинного обучения]]<tex>^\star</tex> | *[[Жизненный цикл модели машинного обучения]]<tex>^\star</tex> | ||
| − | *[[ | + | *[[Анализ временных рядов]]<tex>^\star</tex> |
=Классификация и регрессия= | =Классификация и регрессия= | ||
| Строка 49: | Строка 50: | ||
*[[Настройка глубокой сети]] | *[[Настройка глубокой сети]] | ||
*[[Batch-normalization]] | *[[Batch-normalization]] | ||
| + | *[[Проблемы нейронных сетей]] | ||
*[[Рекуррентные нейронные сети]] | *[[Рекуррентные нейронные сети]] | ||
| + | *[[Сиамская нейронная сеть]] | ||
| + | *[[Автокодировщик]] | ||
*[[Сети глубокого доверия]]<tex>^\star</tex> | *[[Сети глубокого доверия]]<tex>^\star</tex> | ||
| Строка 58: | Строка 62: | ||
===Компьютерное зрение=== | ===Компьютерное зрение=== | ||
*[[Компьютерное зрение]] | *[[Компьютерное зрение]] | ||
| + | *[[Сегментация изображений]] | ||
| + | *[[Задача нахождения объектов на изображении]]<tex>^\star</tex> | ||
*[[Оценка положения]]<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=== | ||
*[[Порождающие модели]] | *[[Порождающие модели]] | ||
| − | *[[Generative Adversarial Nets (GAN)]] | + | *[[Генерация объектов]] |
| + | *[[Generative Adversarial Nets (GAN)|Порождающие состязательные сети, Generative Adversarial Networks (GAN)]] | ||
| + | *[[PixelRNN и PixelCNN]] | ||
*[[Вариационный автокодировщик]]<tex>^\star</tex> | *[[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=== | ===Обработка естественного языка=== | ||
| Строка 76: | Строка 88: | ||
*[[Долгая краткосрочная память]] | *[[Долгая краткосрочная память]] | ||
*[[Механизм внимания]] | *[[Механизм внимания]] | ||
| + | *[[BERT (языковая модель)]] | ||
| + | *[[Синтез речи]]<tex>^\star</tex> | ||
| + | *[[Диалоговые системы]]<tex>^\star</tex> | ||
=Работа с данными= | =Работа с данными= | ||
| Строка 84: | Строка 99: | ||
*[[Метод главных компонент (PCA)]] | *[[Метод главных компонент (PCA)]] | ||
*[[Стохастическое вложение соседей с t-распределением]] | *[[Стохастическое вложение соседей с t-распределением]] | ||
| + | *[[Синтетические наборы данных]]<tex>^\star</tex> | ||
=Виды обучения= | =Виды обучения= | ||
| Строка 101: | Строка 117: | ||
*[[Методы policy gradient и алгоритм асинхронного актора-критика]]<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]] | ||
| + | *[[Многопоточность в машинном обучении]]<tex>^\star</tex> | ||
*[[Примеры кода на Java]] | *[[Примеры кода на Java]] | ||
*[[Примеры кода на R]]<tex>^\star</tex> | *[[Примеры кода на R]]<tex>^\star</tex> | ||
| Строка 108: | Строка 125: | ||
*[[Примеры кода на Kotlin]]<tex>^\star</tex> | *[[Примеры кода на Kotlin]]<tex>^\star</tex> | ||
*[[Примеры кода на Kotlin в Jupyter Notebook]]<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]] | *[[Распознавание текста на изображении]] | ||
| + | *[[Определение геометрии изображения]] | ||
*[[Анализ видео]] | *[[Анализ видео]] | ||
*[[Обнаружение и обработка дорожных знаков и пешеходов]] | *[[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
