Этим летом я стажировался в стартапе под названием untapt , компании, которая использует искусственный интеллект для улучшения результатов приема на работу. Во время стажировки я помог создать компьютер, на котором будут работать модели глубокого обучения (подробнее об этом здесь и здесь ), лежащие в основе продукта. Этот пост - не столько руководство по процессу, сколько запись о том, как мы построили компьютер, и отражение того, что мы могли бы сделать лучше. Первым шагом к..

Идея состоит в том, что вместо простой нормализации входных данных в сеть мы нормализуем входные данные по слоям сети. Это называется «пакетной» нормализацией, потому что во время обучения мы нормализуем входные данные каждого слоя, используя среднее значение и дисперсию значений в текущем мини-пакете (обычно нулевое среднее и единичное отклонение). Преимущества пакетной нормализации Пакетная нормализация оптимизирует обучение сети. Было показано, что он имеет несколько преимуществ:..

Алгоритмы искусственного интеллекта обычно делятся на три категории. Это обучение с учителем, обучение без учителя и обучение с подкреплением. Случай неконтролируемого обучения, целевой результат не указан, и ожидается, что модель сформирует шаблон из заданных входных данных. Обучение с подкреплением - это особый случай обучения с учителем. В этом учебном случае вам дается рейтинг, который указывает, насколько точным является результат модели. В методе обучения с учителем в..