Implementations of CV-algorithms

• Линейные модели. Реализация градиентного спуска и генератора батчей. Создание класса для логистической регрессии. Реализация регуляризаций.

---

• Решение конкурса на kaggle.com. Решение соревнования Предсказание оттока пользователей на платформе kaggle.com: загрузка и развездочный анализ данных, визуализация данных и нахождения распределения целевой переменной, применение линейных моделей, применение градиентного бустинга (catboost).

---

• Полносвязные и свёрточные нейронные сети. Создание полносвязной нейронной сети с помощью класса Sequential, реализация LeNet, обучение CNN на датасете MNIST.

---

• Классификация изображений. Решение конкурса на Kaggle по классификации Симпсонов

---

• Семантическая сегментация изображений. Реализация SegNet, U-Net. Имплементация и использование функций потерь Dice coefficient, Focal loss.

---

• Автоэнкодеры. Реализация Vanilla Autoencoder (создание лиц людей, добавление улыбки на "грустные" лица). Реализация Variational Autoencoder на датасете MNIST. Изображение латентных векторов картинок точками в двумерном просторанстве. Реализация Conditional VAE.

---

• Генеративно-состязательные модели. Подготовка данных, построение и обучение модели. Генерация изображений, реализация Leave-one-out-1-NN classifier accuracy для оценки качества сгенерированных картинок.