RUS  ENG ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ЛИЧНЫЙ КАБИНЕТ
Ближайшие семинары
Календарь семинаров
Список семинаров
Архив по годам
Регистрация семинара

Поиск
RSS
Ближайшие семинары





Для просмотра файлов Вам могут потребоваться








Коллоквиум Факультета компьютерных наук НИУ ВШЭ
13 ноября 2018 г. 18:10–19:30, г. Москва, Кочновский проезд, д. 3, ауд. 205
 


О сетях и соседях: как совершенствовать системы машинного обучения в процессе их использования

М. Биленко

Компания «Яндекс»

Количество просмотров:
Эта страница:20

Аннотация: Как построить промышленную систему машинного обучения, которую можно было бы эффективно дообучать, избегая рисков и технических затрат, характерных для онлайн-методов машинного обучения? Эффективное решение достигается за счет сочетания самых современных и давно известных алгоритмов. Лучшие результаты на стандартных тестовых наборах данных и в соревнованиях по машинному обучению сейчас показывают методы параметрического обучения, такие как нейронные сети, бустинг деревьев решений, методы факторизации и ансамблевые методы. Однако при использовании систем машинного обучения на практике ситуация кардинально иная. Мы обсудим различия между промышленными и академическими системами машинного обучения, которые приводят к необходимости комбинирования параметрических и непараметрических моделей — современных вариантов алгоритмов ближайших соседей. Комбинированный подход оказывается особенно полезен в случае систем, в которых дообучение должно производиться оперативно, как, например, в системах голосовых помощников.

ОТПРАВИТЬ: VKontakte.ru FaceBook Twitter Mail.ru Livejournal Memori.ru
 
Обратная связь:
 Пользовательское соглашение  Регистрация  Логотипы © Математический институт им. В. А. Стеклова РАН, 2018