(Нейронные сети, Deep Learning)
Любая работа по машинному обучению начинается с определения платформы, на которой будет все строиться, т.е. по какой модели (алгоритмам) будет осуществляться обучение сети для получения желаемого результата, например создания рекомендательной ленты (событий, товаров или услуг) на основании ранее совершенных действий пользователями внутри приложения.
Выбор платформы зависит от начальных вводных и требований. Т.е. когда имеющийся объем информации для обучения достаточно маленький, то необходимо подбирать модель с возможностью быстрого обучения на небольших данных, но в таком случае нужно понимать, что и вероятность погрешности на начальных стадиях будет высока.
Эффективное обучение системы происходит, когда уже есть работающая модель для внедрения, т.к. когда выполняются необходимые действия реальными пользователями, то на основании этих данных можно сразу кормить (обучать) скрипт и в реальном времени наблюдать получаемый результат, с возможностью производить корректировку алгоритмов и потока данных.
Имеем опыт работы со следующими платформами:
- Bayesian Framework
- TensorFlow
- DeepPavlov
