Артур Шайхутдинов

https://courses.rcppe.ru | https://t.me/rcppe | https://vk.com/rcppe Conformal prediction — это метод оценки неопределённости, который по данным калибровки строит множество допустимых ответов или интервал, так что истинное значение покрывается с заданной вероятностью, например 95%. Он почти не зависит от конкретной модели и работает при очень слабом предположении о том, что данные приходят из одного и того же распределения. Для классификации он возвращает набор классов, а для регрессии — предсказательный интервал.

https://courses.rcppe.ru | https://t.me/rcppe | https://vk.com/rcppe Softmax — это функция активации, которая применяется ко всему слою, а не к отдельному нейрону. Она превращает набор чисел модели в вероятности, где сумма равна единице. Для её вычисления берут каждое число, возводят в экспоненту, потом делят на сумму всех таких значений. Её обычно используют в последнем слое многоклассовой классификации, чтобы понять, какой класс модель считает наиболее вероятным. Это называется категориальной кросс-энтропией. #машинноеобучение #machinelearning #ии #ai #искусственныйинтеллект #artificialintelligence #neuralnetworks #нейросети #нейронныесети

https://courses.rcppe.ru | https://t.me/rcppe | https://vk.com/rcppe Сравнение интерактивных визуализаций по математике, физике и инженерии. ChatGPT против Gemini. Напишите в комментариях, где вам больше нравится.

https://courses.rcppe.ru | https://t.me/rcppe | https://vk.com/rcppe Дерево решений — это алгоритм машинного обучения, который последовательно задаёт вопросы по признакам данных и ведёт к ответу в виде класса или числового предсказания. Дерево решений строят рекурсивно — в каждом узле выбирают признак и порог, которые лучше всего разделяют данные, и повторяют это до условия остановки.

https://courses.rcppe.ru | https://t.me/rcppe | https://vk.com/rcppe Automated Machine Learning (AutoML) — это автоматизация этапов машинного обучения: выбора модели, подбора параметров, обработки данных и оценки качества. Это способ быстрее и проще строить ML-модели, часто даже без глубокого ручного перебора.

https://courses.rcppe.ru | https://t.me/rcppe | https://vk.com/rcppe Категориальная кросс-энтропия — это функция потерь для многоклассовой классификации. Она измеряет, насколько предсказанные моделью вероятности классов отличаются от истинной метки. Для её вычисления берут вероятности всех классов, смотрят только на вероятность правильного класса, берут её логарифм, меняют знак, и обычно усредняют по примерам. Чем меньше значение, тем лучше модель.

https://courses.rcppe.ru | https://t.me/rcppe | https://vk.com/rcppe Random Forest — это ансамбль множества решающих деревьев. Каждое дерево обучается отдельно, а итог получается голосованием или усреднением. Он обычно снижает переобучение и хорошо работает для классификации и регрессии. Каждое дерево обучается на случайной подвыборке данных и признаков, а затем рекурсивно делит данные по лучшим разбиениям до остановки. #machinelearning #машинноеобучение

Привет, друзья! Седьмого февраля поеду на конференцию Т-Банка под названием tsync для мидл и синьор разработчиков. Меня там интересует естественно направление искусственного интеллекта и машинного обучения. Увидимся на конференции!

AdamW — это вариант оптимизатора Adam, в котором weight decay отделён от шага градиента, чтобы регуляризация весов не искажала адаптивную динамику обучения и улучшала обобщающую способность моделей. Weight decay — это метод регуляризации, при котором веса модели на каждом шаге обучения дополнительно чуть «подтягиваются» к нулю, чтобы они не раздувались и уменьшалось переобучение. Главное отличие: в обычном Adam weight decay реализован как L2‑регуляризация через градиент, из‑за чего он вмешивается в адаптивные шаги; в AdamW weight decay отделен и применяется напрямую к весам, что даёт более корректную регуляризацию и обычно лучшее обобщение, особенно в больших моделях.