Какие бывают задачи машинного обучения — обучение с учителем, без учителя, с подкреплением?
- Чем классификация отличается от регрессии?
- Что такое self-supervised learning?
С учителем — есть правильные ответы (метки): классификация (предсказать класс — спам/не спам) и регрессия (предсказать число — цену). Без учителя — меток нет, ищем структуру: кластеризация, понижение размерности, поиск аномалий. С подкреплением — агент учится действиям по награде.
- Self-supervised — метки берутся из самих данных: так предобучают LLM (предсказать следующее слово)
- Полуавтоматический вариант — semi-supervised: немного меток и много неразмеченных данных
- Выбор задачи определяет метрику и модель
А ещё Ранжирование и рекомендации — отдельный класс задач со своими метриками (NDCG, MAP)
Подробно
Обучение с учителем (supervised). У каждого примера есть признаки и целевая переменная. Модель учится отображению «признаки → ответ».
- Классификация — ответ из конечного набора: отток клиента, тип документа, мошенническая транзакция. Метрики: precision, recall, F1, ROC-AUC.
- Регрессия — ответ — число: цена квартиры, время доставки, спрос. Метрики: MAE, RMSE, MAPE.
Обучение без учителя (unsupervised). Меток нет:
- кластеризация — сегменты клиентов, группировка документов;
- понижение размерности — PCA, визуализация, сжатие признаков;
- поиск аномалий — необычные транзакции, сбои оборудования.
Self-supervised — разметка берётся из данных автоматически: предсказать следующее слово, закрытое слово или фрагмент картинки. Так обучают языковые модели и модели эмбеддингов на огромных объёмах текста без ручной разметки.
С подкреплением (reinforcement learning) — агент совершает действия в среде и получает награду. Классика — игры и робототехника; в LLM — этап RLHF, где награду даёт модель предпочтений людей.
Что хотят услышать
- Различие обучения с учителем и без.
- Классификация против регрессии с примерами.
- Что такое self-supervised и при чём тут LLM.
Проверьте себя
Один верный вариант. Подумайте, потом откройте ответ.
Показать варианты и ответ
- ✓С учителем — метки; без учителя — структура; с подкреплением — награда
- ✗Кластеризация — задача обучения с учителем
- ✗Предсказание цены квартиры — задача классификации
- ✗LLM предобучают с подкреплением на размеченных людьми текстах
Разбор темы
- Основы машинного обучения — задачи, выборки и первые модели
Какие бывают задачи ML, зачем делить данные на выборки, что такое переобучение и как обучаются линейная и логистическая регрессия.
Связанные вопросы
Разбор собеседования с sotto
После собеседования sotto разбирает разговор: оценка, каждый вопрос — хорошо, частично или слабо, чего не хватило в ответе и над чем поработать к следующему разу. Первые 30 минут бесплатно.