Содержание
- 2. План выступления О машинном обучении в науках Классы задач машинного обучения Современные методы машинного обучения Новые
- 3. План выступления О машинном обучении в науках Классы задач машинного обучения Современные методы машинного обучения Новые
- 4. Определения Машинное обучение – метод создания программы без непосредственного кодирования программы, а посредством обучения на примерах
- 5. Машинное обучение как наука около 100 000 научных публикаций в год тысячи алгоритмов наиболее успешное направление
- 6. Примеры машинного обучения в физике Машинное обучение и квантовый отжиг нашли распады бозона Хиггса, https://nplus1.ru/news/2017/10/19/higgs-learning, 19.10.2017
- 7. Надежды на ИИ и МО Лаборатория аналитики потоковых данных и машинного обучения НГУ (С)
- 8. План выступления О машинном обучении в науках Классы задач машинного обучения Современные методы машинного обучения Новые
- 9. Классы задач машинного обучения Кластеризация Классификация Регрессия Цензурирование Снижение размерности Лаборатория аналитики потоковых данных и машинного
- 10. Классификация Лаборатория аналитики потоковых данных и машинного обучения НГУ (С)
- 11. Измерительные шкалы Номинальные (categorical): только равенство. Green ≠ Blue bool, list Порядковые: сравнение. «BCC» > «BCB»
- 12. Методология DIKW Данные – зафиксированные факты (данность) Информация – уменьшает неопределённость (всегда есть источник и приёмник)
- 13. План выступления О машинном обучении в науках Классы задач машинного обучения Современные методы машинного обучения Новые
- 14. Снижение размерности PCA, t-SNE, AE Лаборатория аналитики потоковых данных и машинного обучения НГУ (С)
- 15. Метод главных компонент (PCA) Лаборатория аналитики потоковых данных и машинного обучения НГУ (С)
- 16. t-SNE 0 1 6 5 3 8 2 4 9 7 Лаборатория аналитики потоковых данных и
- 17. Маленький корпус 1000 документов (EHR) - Кардиохирургия Обработан конвейером Word2vec 200 dims Проекция T-SNE для визуализации
- 18. Кластер беременности, здесь кроме однокоренных отнесены "неделя" и аббревиатура "нед" Кластер гипертонии: семантически близки все возможные
- 19. Кластер протезирования. Из интересного тут: "Тромбэктомия" - операция по удалению тромботических масс из ранее установленного протеза.
- 20. t-SNE в астрофизике The Galah Survey: Classification and diagnostics with t-SNE reduction of spectral information https://arxiv.org/pdf/1612.02242.pdf,
- 21. t-SNE – материалы курса МФТИ https://www.coursera.org/learn/unsupervised-learning/lecture/Bn22S/mietod-t-sne Лаборатория аналитики потоковых данных и машинного обучения НГУ (С)
- 22. Автоэнкодер (Сверточный) Лаборатория аналитики потоковых данных и машинного обучения НГУ (С)
- 23. Восстановление поверхности 1 - череп без повреждения; 2 - череп со смоделированным повреждением; 3 - имплантат
- 24. Глубокие нейронные сети CNN, RNN, LTSM, GAN, ... Лаборатория аналитики потоковых данных и машинного обучения НГУ
- 25. CNN Лаборатория аналитики потоковых данных и машинного обучения НГУ (С)
- 26. CNN – извлечение признаков Лаборатория аналитики потоковых данных и машинного обучения НГУ (С)
- 27. CNN Classifying Complex Faraday Spectra with Convolutional Neural Networks https://arxiv.org/abs/1711.03252, 9.11.2017 Лаборатория аналитики потоковых данных и
- 28. CNN для поиска гравитационных линз Deep Convolutional Neural Networks as strong gravitational lens detectors https://arxiv.org/pdf/1705.07132.pdf, 19.05.2017
- 29. GAN (Архитектура) Генеративная состязательная сеть Случайный шум Генеративная модель Реальный/ Ложный Состязательная модель Ложное изображение Реальное
- 30. GAN (pix2pix) Лаборатория аналитики потоковых данных и машинного обучения НГУ (С)
- 31. Local Awareness GAN Learning Particle Physics by Example: Location-Aware Generative Adversarial Networks for Physics Synthesis https://arxiv.org/pdf/1701.05927.pdf,
- 32. Distributed Representation Слово представляется вектором в многомерном пространстве Лаборатория аналитики потоковых данных и машинного обучения НГУ
- 33. Distributed Representation Лаборатория аналитики потоковых данных и машинного обучения НГУ (С)
- 34. План выступления О машинном обучении в науках Классы задач машинного обучения Современные методы машинного обучения Новые
- 35. Новые задачи для квантово-статистической теории анализа данных Лаборатория аналитики потоковых данных и машинного обучения НГУ (С)
- 36. Смешанные состояния Задача: Учесть влияние наблюдателя и прибора на измерения Метод: при измерении восстановить исходную матрицу
- 37. Нецифровые шкалы Множество подмножеств: X \subset N Какими алгоритмами работать с такими измерениями? Инвариантность относительно выбранной
- 38. Источники https://nplus1.ru/news/2017/10/19/higgs-learning Машинное обучение и квантовый отжиг нашли распады бозона Хиггса https://arxiv.org/abs/1701.05927 Learning Particle Physics by
- 40. Скачать презентацию