Машинное обучение — различия между версиями
Evaleria (обсуждение | вклад) м |
Evaleria (обсуждение | вклад) м |
||
| (не показано 29 промежуточных версий 12 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= | ||
| Строка 41: | 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 47: | Строка 50: | ||
*[[Batch-normalization]] | *[[Batch-normalization]] | ||
*[[Рекуррентные нейронные сети]] | *[[Рекуррентные нейронные сети]] | ||
| − | *[[ | + | *[[Сети глубокого доверия]]<tex>^\star</tex> |
===Сверточные сети=== | ===Сверточные сети=== | ||
| Строка 55: | Строка 58: | ||
===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]] | ||
| + | *[[PixelRNN и PixelCNN]] | ||
===Порождающие модели=== | ===Порождающие модели=== | ||
| Строка 71: | Строка 76: | ||
*[[Долгая краткосрочная память]] | *[[Долгая краткосрочная память]] | ||
*[[Механизм внимания]] | *[[Механизм внимания]] | ||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
=Работа с данными= | =Работа с данными= | ||
| Строка 85: | Строка 85: | ||
*[[Стохастическое вложение соседей с t-распределением]] | *[[Стохастическое вложение соседей с t-распределением]] | ||
| − | =Обучение с подкреплением= | + | =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]]<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]] | *[[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
