Машинное обучение — различия между версиями
(→Глубокое обучение) |
Evaleria (обсуждение | вклад) м |
||
| (не показаны 2 промежуточные версии этого же участника) | |||
| Строка 47: | Строка 47: | ||
*[[Batch-normalization]] | *[[Batch-normalization]] | ||
*[[Рекуррентные нейронные сети]] | *[[Рекуррентные нейронные сети]] | ||
| + | *[[Сети глубокого доверия]]<tex>^\star</tex> | ||
===Сверточные сети=== | ===Сверточные сети=== | ||
| Строка 54: | Строка 55: | ||
===Компьютерное зрение=== | ===Компьютерное зрение=== | ||
*[[Компьютерное зрение]] | *[[Компьютерное зрение]] | ||
| + | *[[Оценка положения]]<tex>^\star</tex> | ||
*[[Задача нахождения объектов на изображении]]<tex>^\star</tex> | *[[Задача нахождения объектов на изображении]]<tex>^\star</tex> | ||
*[[Сегментация изображений]] | *[[Сегментация изображений]] | ||
| Строка 76: | Строка 78: | ||
*[[Модель алгоритма и ее выбор]] | *[[Модель алгоритма и ее выбор]] | ||
*[[Мета-обучение]] | *[[Мета-обучение]] | ||
| + | *[[Поиск архитектуры нейронной сети]] | ||
=Работа с данными= | =Работа с данными= | ||
| Строка 105: | Строка 108: | ||
*[[:Рекурсивные нейронные сети|Рекурсивные нейронные сети]] | *[[:Рекурсивные нейронные сети|Рекурсивные нейронные сети]] | ||
*[[Дополнение к ранжированию]] | *[[Дополнение к ранжированию]] | ||
| − | |||
*[[Генерация объектов]] | *[[Генерация объектов]] | ||
*[[Распознавание текста на изображении]] | *[[Распознавание текста на изображении]] | ||
*[[Обучение в реальном времени]] | *[[Обучение в реальном времени]] | ||
| − | |||
*[[Примеры кода на Kotlin]] | *[[Примеры кода на Kotlin]] | ||
*[[Примеры кода на Kotlin в Jupyter Notebook]] | *[[Примеры кода на Kotlin в Jupyter Notebook]] | ||
| − | |||
*[[Многопоточность в машинном обучении]] | *[[Многопоточность в машинном обучении]] | ||
*[[Анализ видео]] | *[[Анализ видео]] | ||
Версия 21:28, 3 сентября 2020
Содержание
Общие понятия
- Общие понятия
- Переобучение
- Кросс-валидация
- Стохастический градиентный спуск
- Регуляризация
- Ранжирование
- Обучение с частичным привлечением учителя
- Жизненный цикл модели машинного обучения
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
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
Автоматическое машинное обучение
- Автоматическое машинное обучение
- Модель алгоритма и ее выбор
- Мета-обучение
- Поиск архитектуры нейронной сети
Работа с данными
- Уменьшение размерности
- Выброс
- Алгоритмы сэмплирования
- Известные наборы данных
- Метод главных компонент (PCA)
- Стохастическое вложение соседей с t-распределением
Обучение с подкреплением
Активное обучение
Примеры кода
В разработке
- Графовые нейронные сети
- Рекомендательные системы
- Настройка гиперпараметров
- Примеры кода на R
- PixelRNN и PixelCNN
- Рекурсивные нейронные сети
- Дополнение к ранжированию
- Генерация объектов
- Распознавание текста на изображении
- Обучение в реальном времени
- Примеры кода на Kotlin
- Примеры кода на Kotlin в Jupyter Notebook
- Многопоточность в машинном обучении
- Анализ видео
