Автоматизированное машинное обучение

• Основные подходы к машинному обучению

  • Контролируемое обучение: обучение с заранее определенными метками для классификации и регрессии. 
  • Обучение без присмотра: обучение на немаркированных данных, например, в задачах распознавания изображений. 
  • Онлайн-обучение: обучение с использованием распределенных ресурсов, таких как облачные вычисления. 
  • Пакетное обучение: обучение на больших наборах данных, часто с использованием алгоритмов машинного обучения. 
  • Мета-обучение: обучение, которое улучшает обобщение и адаптивность моделей. 
  • Обучение под непосредственным наблюдением: обучение с участием экспертов, которые контролируют процесс. 
  • Самостоятельное обучение: обучение, при котором модели обучаются без вмешательства человека. 
  • Обучение с подкреплением: обучение, основанное на взаимодействии с окружающей средой и получении обратной связи. 
  • Изучение учебной программы: обучение, направленное на изучение и понимание учебных материалов. 
  • Обучение, основанное на правилах: обучение, которое следует определенным правилам и не использует вероятностные модели. 
  • Квантовое машинное обучение: использование квантовых компьютеров для машинного обучения. 

• Методы машинного обучения

  • Классификация: разделение данных на категории. 
  • Генеративное моделирование: создание новых данных на основе существующих. 
  • Регрессия: прогнозирование непрерывных значений. 
  • Кластеризация: группировка данных в кластеры. 
  • Уменьшение габаритов: сжатие данных для экономии места. 
  • Оценка плотности: определение плотности данных. 
  • Обнаружение аномалий: выявление отклонений от нормы. 
  • Очистка данных: удаление шума и неполных данных. 
  • Автоматический: автоматизация процессов машинного обучения. 
  • Правила ассоциации: определение связей между данными. 
  • Семантический анализ: интерпретация данных на основе смысла. 
  • Структурированное предсказание: предсказание структурированных данных. 
  • Разработка функциональных возможностей: создание новых функций. 
  • Изучение особенностей: выделение характерных черт данных. 
  • Учимся ранжировать: обучение для ранжирования данных. 
  • Введение в грамматику: обучение грамматическим правилам. 
  • Изучение онтологии: обучение для понимания онтологий. 
  • Мультимодальное обучение: обучение на данных разных модальностей. 
  • Обучение в рамках ученичества: обучение с использованием наставничества. 
  • Деревья принятия решений: обучение на основе деревьев решений. 
  • Упаковывание в мешки: обучение на подмножествах данных. 
  • Стимулирование: обучение с использованием стимулирующих данных. 
  • Случайный лес: обучение на основе случайных лесов. 
  • к-НН: обучение на основе k ближайших соседей. 
  • Линейная регрессия: обучение на основе линейной регрессии. 
  • Наивный Байес: обучение на основе наивного Байеса. 
  • Искусственные нейронные сети: обучение на основе искусственных нейронных сетей. 
  • Логистическая регрессия: обучение на основе логистической регрессии. 
  • Персептрон: обучение на основе персептрона. 
  • Векторный анализ релевантности (RVM): обучение на основе RVM. 
  • Метод опорных векторов (SVM): обучение на основе SVM. 
  • Береза: обучение на основе березы. 
  • Лечение: обучение на основе лечения. 
  • Иерархический: обучение на основе иерархического подхода. 
  • k-означает: обучение на основе k-средних. 
  • Размытый: обучение на основе размытого подхода. 
  • Максимизация ожиданий (EM): обучение на основе EM. 
  • СКАНИРОВАНИЕ по базе данных: обучение на основе сканирования данных. 
  • ОПТИКА: обучение на основе оптики. 
  • Средний сдвиг: обучение на основе среднего сдвига. 
  • Факторный анализ: обучение на основе факторного анализа. 
  • Приблизительно: обучение на основе приближения. 
  • ИКА: обучение на основе ИКА. 
  • ЛДА: обучение на основе ЛДА. 
  • НМФ: обучение на основе НМФ. 
  • СПС: обучение на основе СПС. 
  • ПГД: обучение на основе ПГД. 
  • т-СНЭ: обучение на основе t-SNE. 
  • SDL (СДЛ): обучение на основе SDL. 
  • Сеть Байеса: обучение на основе сети Байеса. 
  • Условное случайное поле: обучение на основе условного случайного поля. 
  • Скрытый Марков: обучение на основе скрытого Маркова. 
  • РАНСАК: обучение на основе РАНСАК. 
  • Локальный фактор выброса: обучение на основе локального фактора выброса. 
  • Изолированный лес: обучение на основе изолированного леса. 
  • Автокодировщик: обучение на основе автокодировщика. 
  • Когнитивные вычисления: обучение на основе когнитивных вычислений. 
  • Глубокое обучение: обучение на основе глубоких нейронных сетей. 
  • Глубокая мечта: обучение на основе глубокой мечты. 
  • Нейронная сеть с прямой связью: обучение на основе прямой связи. 
  • ЛСТМ: обучение на основе LSTM. 
  • ГРУ: обучение на основе ГРУ. 
  • ЕСН: обучение на основе ЕСН. 
  • Вычисление резервуара: обучение на основе вычисления резервуара. 
  • Ограниченная машина Больцмана: обучение на основе ограниченной машины Больцмана. 
  • ГАН: обучение на основе GAN. 
  • Диффузионная модель: обучение на основе диффузионной модели. 
  • СОМ: обучение на основе СОМ. 
  • U-Образная сетка: обучение на основе U-образной сетки. 
  • Видение: обучение на основе видения. 
  • Мамба: обучение на основе Мамбы. 
  • Развивающаяся нейронная сеть: обучение на основе развивающейся нейронной сети. 
  • Транзистор памяти: обучение на основе транзистора памяти. 
  • Электрохимическое оперативное память (ECRAM): обучение на основе ECRAM. 
  • Q-обучение: обучение на основе Q-обучения. 
  • САРСА: обучение на основе САРСА. 
  • Разница во времени (TD): обучение на основе TD. 
  • Самостоятельная игра: обучение на основе самостоятельной игры. 
  • Активное обучение: обучение на основе активного обучения. 
  • Краудсорсинг: обучение на основе краудсорсинга. 
  • Человек-в-курсе событий: обучение на основе человека-в-курсе событий. 
  • Радиочастотный диапазон: обучение на основе радиочастотного диапазона. 
  • Коэффициент детерминации: обучение на основе коэффициента детерминации. 
  • Кривая обучения: обучение на основе кривой обучения. 
  • Кривая ROC: обучение на основе кривой ROC. 
  • Машины с ядром: обучение на основе машин с ядром. 
  • Компромисс между предвзятостью и дисперсией: обучение на основе компромисса между предвзятостью и дисперсией. 
  • Теория компьютерного обучения: обучение на основе теории компьютерного обучения. 
  • Эмпирическая минимизация риска: обучение на основе эмпирической минимизации риска. 
  • Изучение Оккама: обучение на основе изучения Оккама. 
  • Обучение PAC: обучение на основе PAC. 
  • Статистическое обучение: обучение на основе статистического обучения. 
  • Теория венчурного капитала: обучение на основе теории венчурного капитала. 
  • ECML PKDD: обучение на основе ECML PKDD. 
  • НеврИПЫ: обучение на основе НеврИПЫ. 
  • IJMLR (англ. IJMLC): обучение на основе IJMLR. 
  • ИДЖКАЙ: обучение на основе ИДЖКАЙ. 
  • ml: обучение на основе ml. 
  • Список наборов данных для компьютерного зрения и обработки изображений: обучение на основе списка наборов данных. 

• Автоматизация машинного обучения

  • Автоматизированное машинное обучение (AutoML) автоматизирует задачи машинного обучения. 
  • AutoML