Методы принятия управленческих решений

Глава 5 256 предобучение сети при помощи машины Больцмана, обучая каждый слой отдельно. Ян ЛеКан предложил использовать сверточные нейро- сети для распознавания изображений, а Иошуа Бенджио разработал ка- скадный автокодировщик, позволивший задействовать все слои в глу- бокой нейронной сети 1 . Именно эти исследования легли в основу со- временных тенденций развития нейросетевых технологий, наиболее значимыми среди которых можно назвать следующие: • глубокое обучение (Deep Learning, DL) — иерархическое сочета- ние нескольких алгоритмов обучения (с учителем, без учителя, с подкреплением), когда нейросеть сперва тренируется на боль- шом количестве данных общего характера, а затем целенаправлен- но обучается на датасетах, специфичных для конкретной задачи; • гибридное обучение — сочетание DL-моделей с байесовскими подходами, которые хорошо подходят для вероятностного мо- делирования и вычисления причинно-следственных отноше- ний в биоинформатике (генетические сети, структура белков), медицине, классификации документов, обработке изображений и системах поддержки принятия решений. Байесовские алго- ритмы значительно повышают качество обучения, способствуя генерации тренировочных данных, максимально близких к ре- альным, в генеративно-состязательных сетях (GAN, Generative adversarial network); • автоматическое обучение (AutoML) — автоматизация всех ML- процессов, от предварительной подготовки данных до анализа ре- зультатов моделирования. ИнструментыAutoML (Google AutoML, Auto Keras, RECIPE, TransmogrifAI, Auto-WEKA, H2O AutoML и другие фреймворки, и библиотеки) существенно облегчают ра- боту Data Scientist’a, экономя его время за счет автоматического конструирования признаков, оптимизации гиперпараметров, по- иске наилучшей архитектуры, подборе каналов и оценочных ме- трик, определения ошибок и выполнения других ML-процедур 2 . В историческом плане можно утверждать, что разработка систем управления всегда происходит поэтапно. В качестве таких этапов мож- но выделить: 1 Нейросети. Как искусственный интеллект помогает в бизнесе и жизни [Электронный ресурс], 2017. URL: https://blog.dti.team/nejroseti. 2 Чернобровов А. Место нейросетей в Data Science: краткий ликбез и последние тренды [Электронный ресурс], 2019. URL: https://chernobrovov.ru.