🖥Типы задач AI/ML
Сегодня поговорим о базе для ML-продакта. Большинство задач AI/ML можно отнести к одному из следующих типов:
🔵Задача регрессии; 🔵Задача классификации; 🔵Задача ранжирования; 🔵Задача обнаружения объектов; 🔵Генеративные задачи.
Есть и другие типы, но эти — наиболее распространенные.
Задача регрессии — модель должна прогнозировать целевое значение, которое является количественной величиной, то есть числом.
Например: необходимо спрогнозировать спрос на любой товар в магазине. Целевое значение — количество покупок этого товара.
Точно так же можем спрогнозировать цены на недвижимость, потенциальный доход компании и т.д.
Задача классификации — возникает, когда нужно определить, к какому классу из заранее известного набора относится изучаемый объект.
Например: нужно понять, болен ли человек. Целевое значение будет выбираться из двух опций: наличие или отсутствие болезни.
Типичная задача классификации, с которой вы сталкиваетесь — определение, в папку «Входящие» или в папку «Спам» полетит письмо.
Задачи классификации могут с двумя опциями (тогда это бинарная задача) и более — мультизадачей.
Задача ранжирования — упорядочивает объекты согласно определенной логике.
Например: рекомендация товаров в поиске. Целевым значением будут те товары, которые с наибольшей вероятностью понравятся пользователю.
Задача обнаружения объектов — возникает, когда мы работаем с изображением.
Например: обнаружение лиц, текста, других объектов. Целевое значение — координаты области изображения, на которой находится объект.
Да, решая капчу «Найдите на картинке все лестницы», вы помогаете обучать модель.
Генеративные задачи — то самое создание картинок/музыки/текста на основе объема данных, которые получила модель.
За примерами далеко ходить не надо: все слышали про GPT и Stable Diffusion.
К генеративным задачам также относим машинный перевод и распознавание/синтез речи.
Закидывайте пост в «Избранное», чтобы не потерять. А если есть вопросы — ждём в комментах 👇 __ Подписывайтесь: "Как приручить ИИ"
