Логистические методы классификации

[@СергейФомин-в8т]

Какие известные компании и для чего используют методы машинного обучения? 1. Производитель микроконтроллеров Simatic использует платформу на базе IoT и машинного обучения. Она помогает собирать и анализировать информацию с датчиков на оборудовании в реальном времени. Это помогло на 75% автоматизировать производство тысяч видов продукции, в 9 раз увеличить объем производства при тех же площадях и персонале и почти на 100% сократить брак. 2. Энергетическая компания Shell использует машинное обучение, нейронные сети и IoT, чтобы автоматически выявлять угрозы безопасности и оповещать о них сотрудников. Так они успевают среагировать на проблему еще до того, как произойдет катастрофа. Кстати, Shell также использует machine learning для оптимизации производства и добычи полезных ископаемых. 3. Многие банки используют машинное обучение для предотвращения мошенничества. Сбербанк использует ИИ для блокировки подозрительных операций, а недавно поймал с его помощью мошенника. Зарубежный Danske Bank снизил процент ложных обвинений в мошенничестве на 60%. 4. Сеть косметических магазинов «Рив Гош» использует машинное обучение, чтобы рассылать клиентам персональные предложения. Программа определяет, кто из покупателей может совершить покупку в ближайшие две недели, какие товары им лучше предложить и на что выдать скидку. У покупателей, с которыми работала система, средний чек выше на 42%, а повторные обращения за покупками составили 47%. 5. Морское подразделение компании Caterpillar внедрило машинное обучение, чтобы экономить ресурсы. Компания установила датчики на оборудование кораблей и выяснила: большее количество генераторов на меньшей мощности работают эффективнее, чем максимальное использование нескольких генераторов. Это решение сэкономило за год более 650 тысяч долларов. Информация взята с сайта: mcs.mail.ru/blog/17-primerov-mashinnogo-obucheniya

[@russelldoyle4533]

Какие существуют библиотеки для работы с Градиентным бустингом над решающими деревьями?

[@russelldoyle4533]

15:32 MatrixNet и CatBoost

[@pola_design]

Если используется задача регрессии, то чему соответствует каждый лист в решающем дереве?

[@pola_design]

4:00 числу

[@kirablack1843]

В чем заключаются недостатки алгоритмов типа "случайный лес"?

[@kirablack1843]

Ответ: (12:17) Недостатки: -плохо обрабатывает линейные закономерности и большое число признаков одной природы; - медленно работает на больших данных.

[@ВалерияЕлисеева-з2в]

Какое условие содержит в себе каждый внутренний узел решающего дерева?

[@ВалерияЕлисеева-з2в]

Каждый внутренний узел решающего дерева содержит в себе условие, которое отпраляет объект в правое или левое поддерево. Тайминг 3:47

[@nikitakalmakov7336]

В чём преимущества алгоритмов типа "Случайный лес"?

[@nikitakalmakov7336]

11:46 Имеется простая идея и реализация, а так же имеется простор для евристических расширений. Так же они несложно настраиваются при обучении и не переобучаются с количеством итераций. Работает с признаками различной природы, обрабатывает пропущенные значения и легко параллелится.

[@jackie6339]

Для каких задач используется алгоритм "Random Forest"?

[@lilkek]

Чем явлется объект х (малая) в линейных методах?

[@lilkek]

Ответ: 1:21. Каждый объект х (малая) представлет собой вектор со значениями признаков.

[@ДмитрийБогдановичМельник]

В чем заключается "жадность"алгоритма при обучении деревом?

[@ДмитрийБогдановичМельник]

5:50 На каждом шаге мы смотрим только на то, как хорошо разбиваются объекты в данном узле, из-за того, что обучение деревом является дискретной задачей иполноценная оптимизация возможна только перебором

[@СергейГеннадьевичТкачёв]

в чем заключается основная идея алгоритма Random Forest?

[@СергейГеннадьевичТкачёв]

Ответ 11:11

[@Самостоятельнаяработа]

надо привести не только тайминг, но и сам текст ответа

[@ИванБольшаков-к1с]

Какой наиболее известный представитель логических моделей?

[@ИванБольшаков-к1с]

3:34 "Решающее дерево"

[@grand4535]

Кто использует Градиентный Бустинг?

[@grand4535]

Ответ: 16:13. Градиентный бустинг используется различными компаниями и унивеситетами. Пример: yandex.

[@artemtankov5961]

Почему решающие деревья бесполезно использовать для задач предсказания и прогнозирования?

[@artemtankov5961]

7:20 - из-за эффекта переобучения, к которому деревья слишком сильно склоны

[@СтепанСергеевичСпирин]

Каков принцип работы градиентного бустинга?

[@СтепанСергеевичСпирин]

13:00
 Каждая новая модель приближает антиградиент суммы значений функций потерь текущей композиции во всех объектах, бустинг так-же является жадным алгоритмом, тоесть на каждом шаге мы пытаемся построить самую оптимальную модель для этого шага

[@ВикторЧепала]

Какую главную проблемы выделяют при машинном обучении?

[@ВикторЧепала]

Главной проблемой считается проблема смещения и разброса 7:58

[@МаксимАлександровичБыков]

В каком случае решается задача бинарной классификации?

[@МаксимАлександровичБыков]

1:37 Если у Y только два возможных значения

[@elekssdz2992]

Жигалова Елена Сергеевна Какие известные компании и для чего используют методы машинного обучения?

[@НеллиАлексеевнаСедова]

1.Всякий раз, когда пользователь выкладывает фотографию в Twitter, он хочет, чтобы другие ее увидели. Но если 90% превью показывает пол или стену, никто не будет на нее кликать. Twitter решила эту проблему с помощью нейросетей, которые создают миниатюру изображения так, чтобы в центре оказался его самый важный и интересный элемент. 2.Apple: создание идеальной совместимости Любой человек, у которого есть несколько продуктов Apple, знает, как хорошо эти устройства взаимодействуют друг с другом. Теперь же техногигант хочет использовать машинное обучение, чтобы создать еще более безупречный опыт для своих клиентов. Например, судя по недавнему патенту, Apple Watch смогут рекомендовать плейлисты из iTunes, которые идеально подойдут вашему сердечному ритму.Любая компания, которая работает с интернетом вещей, может использовать подобную технологию. Подключение нескольких устройств с одинаковым набором данных для обучения, сможет улучшить качество анализа, а значит и опыта клиента. 3.Spotify: идеальные рекомендации В 2017 году шведская компания Spotify приобрела два стартапа по машинному обучению и вскоре начала незаметно тестировать его в своем популярном сервисе музыкальных рекомендаций. В декабре прошлого года колумнист издания Mashable заметил в ленте еженедельных музыкальных подборок Discover Weekly кнопки лайка и дизлайка. В итоге даже сама компания удивилась результатам, которые принесла новая функция - она подбирала для пользователей удивительно хорошие рекомендации. Похожие сервисы, например, от Apple, так и не смогли произвести такого впечатления, как Spotify. 4.Facebook Messenger - один из самых интересных продуктов крупнейшей социальной платформы в мире. Все потому, что мессенджер стал своеобразной лабораторией чатботов. При общении с некоторыми из них сложно понять, что ты разговариваешь не с человеком. Любой разработчик может и запустить его на базе Facebook Messenger. Благодаря этому даже небольшие компании имеют возможность предлагать клиентам отличный сервис. Конечно, это не единственная сфера применения машинного обучения в Facebook. AI приложения используются для фильтрации спама и контента низкого качества, также компания разрабатывает алгоритмы компьютерного зрения, которые позволяют компьютерам “читать” изображения.

[@Самостоятельнаяработа]

1)Alibaba Alibaba. Машинное обучение -неотъемлемая часть повседневной деятельности Alibaba и используется для прогнозирования покупок клиентов. При обработке на естественном языке компания автоматически создает описания продуктов для сайта. 2) IBM IBM была на первом месте в сфере искусственного интеллекта в течение многих лет. Прошло более 20 лет с тех пор, как компьютер IBM Deep Blue стал первым, кто победил чемпиона мира по шахматам среди людей. Последнее достижение IBM в области искусственного интеллекта - Project Debater. Этот ИИ является механизмом когнитивных вычислений, который конкурировал с двумя профессиональными участниками дебатов и формулировал аргументы. 3) Persado Persado применяет методы машинного обучения для email-маркетинга. Алгоритмы компании используют данные о том, как анонимные пользователи реагируют на электронные письма. В 2019 году Persado подписала пятилетний контракт с JPMorgan Chase. 4) Adidas В начале 2019 года компания Adidas начала сотрудничать с ИИ-платформой Findmine. С помощью искусственного интеллекта Adidas предлагает пользователям персонализированные рекомендации по выбору одежды. Причем система делает это с такой высокой точностью, что пользователи не отличают рекомендации живого стилиста и машины. 5) Netflix Потоковый сервис Netflix предлагает пользователям контент, основанный на истории их просмотров, но это не единственное применение ИИ. Также компания использует искусственный интеллект для автоматического создания кадров-миниатюр, отображаемых при пролистывании видео. С помощью ИИ кинематографисты Netflix отыскивают лучшие места для съемок. Также ИИ занимается оптимизацией качества потоковой передачи видео. ссылки на источник информации:igate.com.ua/news/23902-10-innovatsionnyh-kompanij-ispolzuyushhih-iskusstvennyj-intellekt и incrussia.ru/news/10-innovatsionnyh-kompanij/

[@Самостоятельнаяработа]

1. Bosh. Используя машинное обучение и самоанализ, компания предсказывает дополнительный миллиард доходов и еще один миллиард сбережений от следующего поколения производства. 2. Facebook попал в рейтинг по большей части из-за Oculus Rift, однако искусственный интеллект - секретный ингредиент и во многих других проектах компании. 3. Компания DHL использует искусственный интеллект Supply Watch. Он отслеживает различные риски: погодные условия, экологические факторы, загруженность дорог и даже уровень преступности, чтобы заранее информировать клиентов о возможных задержках в поставках. 4. Британская сеть супермаркетов Morrisons использует машинное обучение, чтобы предсказывать, какие товары и когда будут покупать. Система учитывает множество факторов, например, праздники и погоду. В итоге сети удалось на 30% сократить разрывы в поставках. 5. Сеть клиник «Инвитро» развернула систему распознавания лиц на базе облачной платформы Cloud Solutions. Как только пациент подходит к стойке, администратор видит на компьютере нужную карту и выдает направление в нужный кабинет. Это помогло избежать очередей в часы пик, упростить работу администраторов и обслуживать больше пациентов. Ссылка на источник информации: medium.com/@technonolohy.business/5-%D0%BF%D1%80%D0%B8%D0%BC%D0%B5%D1%80%D0%BE%D0%B2-%D0%B8%D1%81%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F-%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE-%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F-%D0%B2-%D0%B1%D0%B8%D0%B7%D0%BD%D0%B5%D1%81%D0%B5-dc57679003b7

[@ДаниилРедькин-ь8я]

Как связанны между собой деревья и обучение? Ответ: 7:10

[@Самостоятельнаяработа]

приведите текст ответа

[@ДаниилРедькин-ь8я]

@@Самостоятельнаяработа для любой выборки можно построить дерево, которое будет его классифицировать.

[@xabhdr4483]

Что нужно делать, чтоб распределить объекты по кластерам ? (в обучении без учителя)

[@xabhdr4483]

3:17 Для этого поочерёдно нужно повторять действия: 1) выбираем центры кластеров и относим все точки к ближайшим кластерам 2) внутри каждого кластера пересчитываем центр

[@xyuniq]

Как работает бэггинг?

[@xyuniq]

8:57 1. Набираем m случайных объектов с повторением 2. Обучаем на них модель 3. Повторяем шаги 1 и 2 N раз 4. Дальше усредняем ответы всех полученных моделей

[@TheTRPZ]

Чем может помочь композиция Бэггинг?

[@Самостоятельнаяработа]

приведите текст ответа и тайминг

[@shelovessugar9950]

В чем заключается обучение с учителем?

[@shelovessugar9950]

2:10 Имеем метрику р (х1, х2); Для каждого объекта имеет ответ y; Если y - метка класса, то присваивается самый частый класс среди соседей; Если y принадлежит множеству действительных чисел, то присваем среднее значение по соседям.

[@elekssdz2992]

1.Tesla, инновационная транспортная компания, применяет ИИ для создания карты мира, действующей в реальном времени, используя данные с камер и радаров. Это позволит уменьшить шансы возникновения несчастных случаев при использовании автопилота на 50% при сравнении с живыми людьми. 2.Alphabet, холдинговая компания семейства Google, использует искусственный интеллект в сотнях приложений. Их флагманский ИИ-продукт ищет себя сам. Более 20% голосовых запросов в Google используют систему обработки языка. Самая известная разработка компании, используя систему DeepMind, стала мировым чемпионом по игре в Go. 3.NVidia. Их набор инструментов разработки «AI in a box» используется для работы с виртуальной реальностью, автопилотами (такими, как у Tesla) и безопасными приложениями для дронов и беспилотников. Благодаря магии локальных вычислений чипы компании позволяют машинам, таким как дроны и роботы, взаимодействовать с миром в реальном времени. 4.Facebook попал в рейтинг по большей части из-за Oculus Rift, однако искусственный интеллект - секретный ингредиент и во многих других проектах компании.

[@Самостоятельнаяработа]

ссылка на источник информации: tproger.ru/news/ai-companies/

[@borisneboris5887]

Какой самый простой способ классификации?

[@borisneboris5887]

Считать сколько объектов относятся не к самому большому классу (тайминг 6:49)

[@9sanechek]

Как работает стекинг?

[@9sanechek]

16:38 сначала обучаются базовые модели а потом на их выходах обучается еще одна модель ответ которой и будет ответом всей композиции

[@АнгелинаВознесенская-э2з]

Что представляет собой решающее дерево?

[@АнгелинаВознесенская-э2з]

Ответ: (3:42) Решающее дерево представляет собой бинарное дерево. Каждый внутренний узел этого бинарного дерева содержит условие, которое отправляет объект в правое или левое поддерево, а каждый лист соответствует какому-то классу или числу, если рассматривается задача регрессии.

[@КристинаПутилова-ч6ы]

Что такое "хорошее разбиение обьектов"?

[@КристинаПутилова-ч6ы]

Для классификации есть разные варианты, самый простой - считать, сколько обьектов относятся не к самому большому классу На практике для классификации обычно исп-ся критерий Джини и энтропийный критерий 6:28

[@kawasakininja334]

Интересно) но мне больше электротехника интересна :)