Машинное обучение
Одобренные
В разработке
- Общие понятия
- Модель алгоритма и ее выбор
- Мета-обучение
- Оценка качества в задачах классификации и регрессии
- Оценка качества в задаче кластеризации
- Переобучение
- Линейная регрессия
- Логистическая регрессия
- Стохастический градиентный спуск
- Нейронные сети, перцептрон
- Сверточные нейронные сети
- Рекуррентные нейронные сети
- Задача нахождения объектов на изображении
- Neural Style Transfer
- LSTM
- Generative Adversarial Nets (GAN)
- Метрический классификатор и метод ближайших соседей
- Метод опорных векторов (SVM)
- Дерево решений и случайный лес
- Байесовская классификация
- Кластеризация
- Иерархическая кластеризация
- k-средних
- EM-алгоритм
- Бустинг, AdaBoost
- Ранжирование
- Рекомендательные системы
- Настройка гиперпараметров
- Уменьшение размерности
- Обучение с подкреплением
- Обучение с подкреплением
- Активное обучение
- Примеры кода на R
- Примеры кода на Java
- Обзор библиотек для машинного обучения на Python
- Выброс
- CatBoost
- Глубокое обучение
- Настройка глубокой сети
- Batch-normalization
- Практики реализации нейронных сетей
