Выполнение домашних заданий в рамках трехдневного интенсива по нейронным сетям от Университета искусственного интеллекта. Все нейронные сети обучены с помощью фреймворка terra_ai, который разработан специалистами из УИИ и является оберткой над библиотекой Keras.

День 1. Первый день интенсива был посвящен задачам классификации изображений. Одним из заданий было написать нейронную сеть, распознающую марку машины по фотографиям. Здесь удалось добиться лишь 65% точности - думаю, это связано в первую очередь с низким качеством изображений, предоставленных для обучения. А вот в задаче классификации майонеза уже была достигнута стопроцентная точность на тестовой выборке (см. результаты).

День 2. Второй день был посвящен обработке текстовой информации. В задачах подбора кандидата на должность менеджера по продажам и классификации отзывов об автомобиле Tesla была достигнута очень высокая точность - 90.15% и 93.75% соответственно. В задаче определения заболевания по симптомам точность получилась чуть ниже - 81.25%. Вероятно, это связано с тем, что многие заболевания имеют ряд схожих симптомов (см. результаты).

День 3. Заключительный день был посвящен обработке временных рядов и применения данного метода в задачах распознавания аудиофайлов и сегментации изображений. Были изучены модели нейронных сетей PSPNet и UNet. В задачах распознавания трейдинга акций крупных компаний, распознавния голосовых команд умного и сегментации губ на тестовых выборках достигнуты точности 83.39%, 99.94% и 99.91% соответсвенно (см. результаты).