Учим ИИ учиться

Почему ИИ учится на примерах, а не на определениях, и что даёт разнообразие примеров.

~30 мин

Обучение с учителем: что такое метка, кто её ставит и почему без подписей примеры бесполезны.

~30 мин

Сколько данных нужно модели, где предел пользы и чем разнообразие отличается от количества.

~30 мин

Четыре вида плохих данных, правило «мусор на входе — мусор на выходе» и почему предвзятость заметить труднее всего.

~30 мин

Что ИИ видит вместо фотографии: таблица чисел, слои распознавания и цена однобокой выборки.

~30 мин

Что такое эмбеддинг: числовой адрес слова, у которого близкие по смыслу слова стоят рядом.

~30 мин

Обучение без учителя: как ИИ сам находит группы в данных и почему он не знает их названий.

~30 мин

Обучение с подкреплением: как AlphaGo научился игре, играя сам с собой, и чем это отличается от заучивания.

~30 мин

Почему модель уверена на 99% и всё равно ошибается: ИИ не умеет говорить «я не знаю».

~30 мин

Переобучение: почему 100% на тренировке — тревожный знак, а не хороший результат.

~30 мин

Командная тренировка модели: как собрать разнообразную выборку и что делать с найденными ошибками.

~35 мин

Честная проверка чужой модели: почему заявленная точность и измеренная часто расходятся.

~40 мин