Каталоги
Родини методів, порівняні поруч: архітектури як родовід, метрики й функції втрат як родина. Кожен каталог — це таблиця, яку можна переглянути одним поглядом, і окрема сторінка для кожного запису, що її має.
- Activation functionsБез нелінійності між шарами глибока мережа згортається в одну лінійну — ось функції, що цьому запобігають, і те, чого кожна з них коштує натомість.Відкрити каталог →
- Classification metricsШість поширених оцінок класифікації — відношення тих самих чотирьох клітинок матриці помилок, а дві читають імовірності; від того, що бере кожна, залежить, що вона бачить і чого ні.Відкрити каталог →
- Clustering methodsСпершу прочитайте стовпець «Яку форму знаходить». Кожен метод тут розбиває все, що йому дали, тож питання не в тому, який найкращий, а в тому, чиє уявлення про кластер збігається з вашим.Відкрити каталог →
- Computer vision architecturesРодовід мереж розпізнавання зображень від AlexNet до Vision Transformer і те, що кожна з них змінила у способі обробки зображень.Відкрити каталог →
- Forecasting methodsКожен рядок — інша відповідь на те, яким має бути майбутнє. Перший не має жодних параметрів, і перемогти його не вдається більшій кількості методів, ніж будь-хто звітує.Відкрити каталог →
- Linear model familyКожна модель тут — це та сама зважена сума, підігнана найменшими квадратами; розділяє їх штраф, доданий до цільової функції, і кожен штраф є іншим твердженням про ваші ознаки.Відкрити каталог →
- NLP tasksДев’ять задач, упорядкованих за єдиним, що їх розділяє, — розміром простору прийнятних відповідей. Спершу прочитайте стовпець «Чим оцінюється».Відкрити каталог →
- OptimizersКожен оптимізатор тут спускається градієнтом — вони різняться тим, скільки даних бачить один крок і скільки пам’ятається між кроками. Ці дві осі пояснюють усю родину.Відкрити каталог →
- Regression metricsКвадратична, абсолютна, відносна чи логарифмічна — кожна метрика регресії кодує інше переконання про те, чого коштує поганий прогноз, і вибір однієї з них є заявою про це.Відкрити каталог →
- Text metricsДесять способів оцінити згенерований текст і що кожен може і не може бачити. Стовпець «Ламається, коли» — причина ніколи не звітувати лише одну.Відкрити каталог →
- Transformer familyКожна модель тут — той самий блок з Attention Is All You Need, складений у стек. Читайте перший стовпець: на що дозволено дивитися кожній позиції, визначає ціль, задачу й усе подальше.Відкрити каталог →
- Tree ensemblesКожен метод тут — це багато дерев рішень, об’єднаних в один прогноз. Вони діляться на дві родини, які хочуть від своїх членів протилежного, і цей поділ пояснює більшість відмінностей.Відкрити каталог →
- Validation strategiesКожен метод тут відповідає на одне питання: на яких рядках можна оцінювати модель. Спершу прочитайте стовпець «Ламається, коли»: хибний вибір дає не помилку, а краще число.Відкрити каталог →
- Vision tasksСім задач, упорядкованих за тим, до чого прив’язано відповідь: до зображення, рамки, пікселя, екземпляра чи ні до чого. Спершу прочитайте стовпець «Вартість».Відкрити каталог →