алексей воропаев

1,581 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,581
On SlideShare
0
From Embeds
0
Number of Embeds
1,143
Actions
Shares
0
Downloads
7
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

алексей воропаев

  1. 1. Машинное обучение.Что это?“Машинное обучение - это новая популярная тема” John Hennessy, President, Stanford
  2. 2. Машинное обучение.А накой оно надо? - Нету экспертов? - Сложно сформулировать знания? - Нужна адаптация во времени? - Подстраиваетесь под конкретный кейс?
  3. 3. Машинное обучение.ОпределениеЭто построение абстракцийпо множеству наблюдений
  4. 4. Черный ящик “три”
  5. 5. Черный ящик “три” 11111110001100....
  6. 6. Черный ящик “три” 11111110001100....
  7. 7. Черный ящик “три” 3 11111110001100....
  8. 8. Нейронная сеть.
  9. 9. Нейронная сеть.
  10. 10. Нейронная сеть.
  11. 11. Нейронная сеть.Распознование символов. Входной слой
  12. 12. Нейронная сеть.Распознование символов. Входной Выходной слой слой
  13. 13. Нейронная сеть.Распознование символов. P(1) = 0 P(2) = 0.2 P(3) = 0.9 Входной Выходной слой слой
  14. 14. Деревья принятия решений Я ставлю точку. А теперь – гулять!
  15. 15. Деревья принятия решений Я ставлю точку. А теперь – гулять! Анализатор предложений[0] пробел справа: yes[1] большая буква справа: yes[2] цифра справа и слева: no…
  16. 16. Деревья принятия решений Я ставлю точку. А теперь – гулять! Анализатор предложений[0] пробел справа: yes[1] большая буква справа: yes[2] цифра справа и слева: no…
  17. 17. Наивный байесовский классификатор
  18. 18. Наивный байесовский классификатор
  19. 19. Наивный байесовский классификатор
  20. 20. Детектор порнографиитолстенькими 5.33898 лизала 4.2573поскуливала 4.89884 кончала 4.17881дырочках 4.69508 чулках 4.16239 ?зрелые 4.62396 щекотали 4.13878всовывал 4.56707 всунув 4.1025жесткое 4.45139 пахучую 4.06708отсосав 4.40743 задвигалась 4.0397раздвигал 4.37484 блаженном 3.99227юбкой 4.3215
  21. 21. Детектор порнографиитолстенькими 5.33898 лизала 4.2573поскуливала 4.89884 кончала 4.17881дырочках 4.69508 чулках 4.16239 ?зрелые 4.62396 щекотали 4.13878всовывал 4.56707 всунув 4.1025 Фазиль Искандержесткое 4.45139 пахучую 4.06708 «Рассказы о Чике»отсосав 4.40743 задвигалась 4.0397раздвигал 4.37484 блаженном 3.99227юбкой 4.3215
  22. 22. Детектор порнографиитолстенькими 5.33898 лизала 4.2573поскуливала 4.89884 кончала 4.17881дырочках 4.69508 чулках 4.16239 ?зрелые 4.62396 щекотали 4.13878всовывал 4.56707 всунув 4.1025 Фазиль Искандержесткое 4.45139 пахучую 4.06708 «Рассказы о Чике»отсосав 4.40743 задвигалась 4.0397раздвигал 4.37484 блаженном 3.99227юбкой 4.3215 Deep learning: - вероятность из байеса - переходов по порнозапросам - количество плохих тизеров - и т.п.
  23. 23. КластеризацияK-means
  24. 24. КластеризацияK-means
  25. 25. КластеризацияK-means
  26. 26. КластеризацияK-means
  27. 27. КластеризацияSOM-карты. Они же карты Кохонена.
  28. 28. Исследование пользователей поиска1. Нормальные люди 4 22. Любители порно3. Одноклассники4. SEO роботы 3 1
  29. 29. Поиск ошибок оценки документов Было Стало
  30. 30. Поиск ассоциативных правил. Apriory
  31. 31. Поиск ассоциативных правил. Apriory
  32. 32. Поиск ассоциативных правил. Apriory
  33. 33. Поиск ассоциативных правил. Apriory
  34. 34. Поиск ассоциативных правил. Apriory
  35. 35. Поиск ассоциативных правил. Apriory
  36. 36. Софт для MLWEKA
  37. 37. Софт для MLБоевой слон
  38. 38. Домашнее задание + =
  39. 39. Спасибо! Алексей ВоропаевРуководитель группы ранжирования Поиск@Mail.ru voropaev@corp.mail.ru

×