Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Jump to bottom

[ru] cs-229-deep-learning, cs-229-supervised-learning #21

Open
wants to merge 4 commits into
base: master
Choose a base branch
from
Open

[ru] cs-229-deep-learning, cs-229-supervised-learning #21

Show file tree
Hide file tree
Changes from all commits
Commits
Show all changes
4 commits
Select commit Hold shift + click to select a range
d6e0b44
ENH: neural nets
madrugado Sep 15, 2018
1424076
ENH: nn
madrugado Sep 15, 2018
d21ea28
ENH: rl
madrugado Sep 15, 2018
89b40a9
ENH: sl
madrugado Sep 15, 2018
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
34 changes: 17 additions & 17 deletions ru/cheatsheet-deep-learning.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -6,13 +6,13 @@

**2. Neural Networks**

⟶
⟶ Нейронные сети

<br>

**3. Neural networks are a class of models that are built with layers. Commonly used types of neural networks include convolutional and recurrent neural networks.**

&#10230;
&#10230; Нейронные сети - это класс моделей, строящихся с помощью слоев. Широко используемые виды нейронных сетей включают в себя сверточные и рекуррентные нейронные сети.

<br>

Expand All @@ -24,7 +24,7 @@

**5. [Input layer, hidden layer, output layer]**

&#10230;
&#10230; Входной слой, скрытый слой, выходной слой

<br>

Expand Down Expand Up @@ -78,31 +78,31 @@

**14. Updating weights ― In a neural network, weights are updated as follows:**

&#10230;
&#10230; Настройка весов - В нейронной сети настройка весов происходит следующим образом:

<br>

**15. Step 1: Take a batch of training data.**

&#10230;
&#10230;

<br>

**16. Step 2: Perform forward propagation to obtain the corresponding loss.**

&#10230;
&#10230; Шаг 2: Выполним прямой проход, чтобы получить соответсвующую ошибку.

<br>

**17. Step 3: Backpropagate the loss to get the gradients.**

&#10230;
&#10230; Шаг 3: Распространим ошибку обратно, чтобы получить градиенты.

<br>

**18. Step 4: Use the gradients to update the weights of the network.**

&#10230;
&#10230; Шаг 4: Используем градиенты, чтобы настроить веса сети.

<br>

Expand All @@ -114,7 +114,7 @@

**20. Convolutional Neural Networks**

&#10230;
&#10230; Сверточные нейронные сети

<br>

Expand All @@ -138,7 +138,7 @@

**24. Recurrent Neural Networks**

&#10230;
&#10230; Рекуррентные нейронные сети

<br>

Expand Down Expand Up @@ -180,37 +180,37 @@

**31. Definitions**

&#10230;
&#10230; Определения

<br>

**32. Markov decision processes ― A Markov decision process (MDP) is a 5-tuple (S,A,{Psa},γ,R) where:**

&#10230;
&#10230; Марковский процесс принятия решений - Марковский процесс принятия решений (MDP) - это кортеж из 5 составляющих (S,A,{Psa},γ,R), где:

<br>

**33. S is the set of states**

&#10230;
&#10230; S - множество всех состояний

<br>

**34. A is the set of actions**

&#10230;
&#10230; A - множество всех действий

<br>

**35. {Psa} are the state transition probabilities for s∈S and a∈A**

&#10230;
&#10230; {Psa} - вероятности переходов для состояний и дейстквий, где s∈S и a∈A

<br>

**36. γ∈[0,1[ is the discount factor**

&#10230;
&#10230; γ∈[0,1) - коэффициент дисконтирования

<br>

Expand All @@ -222,7 +222,7 @@

**38. Policy ― A policy π is a function π:S⟶A that maps states to actions.**

&#10230;
&#10230; Стратегия - Стратегия π - это фукнция π:S⟶A, сопоставляющая множество состояний множеству действий.

<br>

Expand Down
22 changes: 11 additions & 11 deletions ru/cheatsheet-supervised-learning.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -6,7 +6,7 @@

**2. Introduction to Supervised Learning**

&#10230;
&#10230; Введение в обучение в подкреплением
Copy link

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Supervised learning in Russian is "Обучение с учителем".


<br>

Expand All @@ -18,13 +18,13 @@

**4. Type of prediction ― The different types of predictive models are summed up in the table below:**

&#10230;
&#10230; Тип предсказания - Различные типы предсказывающих моделей перечислены в таблице ниже:

<br>

**5. [Regression, Classifier, Outcome, Examples]**

&#10230;
&#10230; [Регрессия, классификатор, вывод, примеры]

<br>

Expand All @@ -36,7 +36,7 @@

**7. Type of model ― The different models are summed up in the table below:**

&#10230;
&#10230; Тип модели - Различные типы моделей перечислены в таблице ниже:

<br>

Expand All @@ -54,13 +54,13 @@

**10. Notations and general concepts**

&#10230;
&#10230; 10. Обозначения и основные понятия

<br>

**11. Hypothesis ― The hypothesis is noted hθ and is the model that we choose. For a given input data x(i) the model prediction output is hθ(x(i)).**

&#10230;
&#10230; Гипотеза - Гипотеза, обозначаемая как hθ, является выбранной нами моделью. Для входных данных x(i) предсказания модели будут обозначаться hθ(x(i)).

<br>

Expand Down Expand Up @@ -120,19 +120,19 @@

**21. Linear models**

&#10230;
&#10230; Линейные модели

<br>

**22. Linear regression**

&#10230;
&#10230; Линейная регрессия

<br>

**23. We assume here that y|x;θ∼N(μ,σ2)**

&#10230;
&#10230; Положим, что y|x;θ∼N(μ,σ2)

<br>

Expand Down Expand Up @@ -162,7 +162,7 @@

**28. Classification and logistic regression**

&#10230;
&#10230; Классификация и логистическая регрессия

<br>

Expand Down Expand Up @@ -192,7 +192,7 @@

**33. Generalized Linear Models**

&#10230;
&#10230; Обобщенные линейные модели

<br>

Expand Down