ИИИ Спортивный анализ данных - 14.12.2023 + конспект от YandexGPT

Описание: ИИИ Спортивный анализ данных - 14.12.2023 + конспект от YandexGPT

00:07 Завершение курса

• Преподаватель подводит итоги курса, обсуждает основные акценты и задачи, которые были разобраны.
• Упоминает о том, что на следующем занятии будет рассмотрена задача определения тональностей на текстах.

02:58 Использование предобученных эмбеддингов

• Преподаватель объясняет, что эмбеддинг - это метод, который позволяет представить каждое слово в виде вектора.
• Упоминает о важности использования большого корпуса слов для обучения эмбеддингов.

05:46 Решение задачи с использованием эмбеддингов

• Преподаватель объясняет, как использовать эмбеддинги для решения задачи определения тональностей.
• Упоминает о необходимости использования предобученных эмбеддингов для решения задачи.

07:37 Подготовка к решению задачи

• Преподаватель объясняет, как подготовить данные для обучения нейронной сети, используя эмбеддинги.
• Упоминает о двух подходах к решению задачи: использование всех слов или только часто используемых.

10:30 Создание нейронной сети

• Создание класса, наследуемого от модели, для использования методов модели.
• Создание метода для вызова нейронной сети и подачи слова.

12:42 Обучение нейронной сети

• Реализация метода для возврата вектора для слова.
• Определение выходного слоя нейронной сети и его размера.

14:32 Обучение нейронной сети на тексте

• Определение метода для нарезки текста на слова и преобразования их в цифры.
• Обучение нейронной сети на топе 300 самых частотных слов.

17:24 Использование обученной нейронной сети

• Создание словаря из обученной нейронной сети.
• Использование обученной нейронной сети для преобразования текста в числа.
• Использование обученной нейронной сети для решения задачи классификации текста.

22:48 Создание матрицы Динга

• В видео объясняется процесс создания матрицы Динга, которая используется для обучения модели.
• Матрица создается на основе слов из словаря и их векторов динга.

24:38 Обучение модели

• Модель обучается на основе матрицы Динга и весов, которые задаются случайным образом.
• Модель может быть обучена на различных конфигурациях, включая использование обученной модели на большом корпусе.

26:26 Использование свёрточных слоев

• В видео демонстрируется использование свёрточных слоев в модели, которые позволяют управлять размерностями и передавать информацию между слоями.

30:53 Двунаправленное обучение

• В видео предлагается использовать двунаправленное обучение, когда информация передается с двух сторон.
• Это может быть полезно для решения задач с зависимостями между словами.

31:50 Тестирование моделей

• В видео проводится тестирование различных моделей, включая полносвязную сетку, одномерную свёрточную сеть, и двунаправленную свёрточную сеть.
• В результате, одномерная свёрточная сеть показала наилучшее качество обучения.