Машинное обучение (англ Machine Learning) — обширный подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа, и извл

Рейтинг: 13
Создана: 5 лет назад
Владелец: root

Machine Learning/Data Mining/Big Data

Основная информация

Машинное обучение (англ Machine Learning) — обширный подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа, и извлекающая знания из данных.

Data Mining (рус. добыча данных, интеллектуальный анализ данных, глубинный анализ данных) — собирательное название, используемое для обозначения совокупности методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.

Стена группы

Загрузка...
1 месяц назад
#

Олег Бахтеев: Байесовский выбор модели глубокого обучения


В работе рассматривается задача автоматического построения моделей глубокого обучения оптимальной и субоптимальной сложности. Под сложностью модели понимается минимальная длина описания, т.е. минимальное количество информации, которое требуется для передачи информации о модели и о выборке. Вычисление минимальной длины описания модели является вычислительно сложной процедурой. В работе предлагается получение ее приближенной оценки, основанной на связи минимальной длины описания и обоснованности модели. Для получения оценки обоснованности используются вариационные методы получения оценки обоснованности, основанные на аппроксимации неизвестного апостериорного распределения другим заданным распределением. Под субоптимальной сложностью понимается вариационная оценка обоснованности модели. Одна из проблем построения моделей глубокого обучения — большое количество параметров моделей. Поэтому задача выбора моделей глубокого обучения включает в себя выбор стратегии построения модели, эффективной по вычислительным ресурсам.

1 месяц назад
#

Мета обучение с подкреплением


Классический подход к обучению с подкреплением предполагает обучение агента под конкретную задачу. Однако, это приводит к тому, что при небольших изменениях в условиях задачи приходится обучать нового агента, в то время как человеку достаточно было бы нескольких попыток для того, чтобы понять, как выполнить измененную задачу. Подход мета обучения предполагает тренировку одной стратегии, которая сможет адаптироваться под разные задачи, используя лишь небольшое количество данных.

На семинаре будут рассмотрены четыре различных подхода к мета обучению с подкреплением, алгоритмы их работы, а также демонстрируемые результаты.

Докладчик: Владислав Мосин.

1 месяц назад
#

Тренировка по машинному обучению 22.02.2020


Тренировка по машинному обучению – это открытый митап, на который мы приглашаем участников соревнований по анализу данных, чтобы познакомиться, рассказать про задачи, обменяться опытом участия и пообщаться.

С докладами выступают успешные участники последних соревнований на Kaggle и других платформах — рассказывают о своих решениях: какие техники и методы использовали они сами, а какие помогли их конкурентам.

В программе 22 февраля:
— Artur Kuzin – Driven Data Hakuna Ma-data: Identify Wildlife on the Serengeti with AI for Earth (eng)
— Dmitriy Abulkhanov – Kaggle Google QUEST Q&A Labeling (eng)
— Илья Широких, Мария Герасимова – Moscow Travel Hack: рекомендательный сервис, формирующий индивидуальную программу посещения Москвы для туристов (rus)
— Адель Валиуллин – Kaggle Peking University/Baidu — Autonomous Driving (rus)

1 месяц назад
#

DeepPavlov: Лекция 1



Word Vector Representations (word2vec): https://youtu.be/8rXD5-xhemo
Word Vectors and Word Senses: https://youtu.be/kEMJRjEdNzM

DeepPavlov: Лекция 2



1 месяц назад
#

Rl#1: Exploration in RL


Авторизация

Войдите, используя Ваш аккаунт

Войти с помощью

Пользователи