Блог Machine Learning

Некоторые задачи, возникающие при обработке естественного языка, ранее решались посредством классических ML-алгоритмов. В результате для решения большинства из них нужен был тщательный выбор архитектуры, не говоря уже о кропотливом ручном сборе и обработке признаков. Но сегодня нейросети способны выдавать более точные результаты, если сравнивать с теми же классическими моделями. К тому же, сформирован общий подход для решения NLP-задач -- NLP-конвейер.

Распознавание цвета в системах Computer Vision (CV) помогает определять свойства материалов и решать другие не менее важные задачи. В результате можно узнать, из чего объект сделан, в каком он состоянии. К примеру, с помощью черно-белого изображения вы вряд ли поймете, созрели ягоды или нет. При использовании цветного изображения ситуация меняется.

Современные алгоритмы локализации дают возможность определять позицию камеры относительно сцены, то есть выполнять локализацию. В результате можно найти отличия в сцене в контексте последующих изменений на уровне облака точек. Речь может идти о присутствии в сцене новых объектов или, к примеру, об изменении охвата сцены.

Как известно, NLP применяется для машинного перевода, текстового анализа, синтеза и распознавания речи, разработки диалоговых систем. Кроме этого, популярной задачей NLP является NER -- извлечение именованных сущностей из текста (Named-entity recognition). Что это значит? Рассмотрим на примерах.

Среди современных задач, решаемых с помощью NLP, можно выделить задачи, связанные с синтезом и распознаванием речи, разработкой диалоговых систем. Расскажем о них несколько слов.

С каждым годом применение Natural Language Processing увеличивается, в связи с чем растет и NLP-рынок. Это неудивительно, ведь интеллектуальные устройства используются все чаще, как и облачные решения и программные приложения, основанные на NLP.

Сегодня NLP может решать самые разные задачи. В этой заметке мы вкратце рассмотрим область, связанную с обработкой текстовой информации.

Среди современных технологий калибровки камер в Computer Vision можно выделить два основных вида: калибровку по сцене и фотограмметрическую калибровку. Рассмотрим их подробнее.

Поговорим о том, что такое выборка и генеральная совокупность, чем они отличаются, и возможно ли определить генеральную совокупность при ограниченном наборе данных.

Рекомендательная система стремится наиболее точно предсказать предпочтения потребителя, предложив самый подходящий ему товар/услугу. Давайте рассмотрим особенности и основные виды таких систем.

Если вы проходите собеседование на ML-специалиста, у вас могут спросить, какие именно гиперпараметры вы бы настраивали в целях борьбы с переобучением у градиентного бустинга. Что ж, давайте попробуем ответить на этот вопрос.