Коротко и по делу — для каждой из трёх задач приведу для каждого подхода: рекомендованные модели/методы, способы сбора/подготовки данных и критерии успеха (метрики и практические пороги).
1) Классификация медицинских изображений
- С обучением с учителем
- Модели: сверточные сети (ResNet, EfficientNet), трансформеры для изображений (ViT), ансамбли, точно — fine‑tuned предобученные сети.
- Сбор данных: большие размеченные наборы снимков с разметкой клинических экспертов (диагноз, ROI/маски при необходимости). Анонимизация, стандартизация (модальности, разрешение), мультицентрированное датасетирование, аднотация нескольких рендеров для согласованности, аугментации и синтетические данные (GAN/augmentation) при малых выборках.
- Критерии успеха: чувствительность/специфичность и их баланс: $\text{Sensitivity}$, $\text{Specificity}$, AUC ROC — $\text{AUC}$. Практические пороги: например $\text{Sensitivity}\ge 0.95$ для задач с высокой стоимостью ложных отрицаний; калибровка $\text{Brier}$ или ECE; F1 — $\text{F1}=2\frac{\text{precision}\cdot \text{recall}}{\text{precision}+\text{recall}}$. Клиническая валидация: снижение времени постановки диагноза или количества пропущенных случаев.
- Без учителя (анализ/предобучение)
- Модели: автокодировщики (VAE), контрастное представление (SimCLR, MoCo), кластеризация в эмбеддинговом пространстве, одно-классовые детекторы аномалий (OC-SVM на эмбеддингах, Deep SVDD).
- Сбор данных: большие неразмеченные наборы изображений (включая нормальные и патологические), разметка только для небольшой валидационной выборки. Использование self‑supervised предобучения на данных учреждения.
- Критерии успеха: качество представлений — линейный пробный классификатор ($\text{accuracy}$ или $\text{AUC}$ на отложенной разметке), способность выявлять аномалии (precision@k, recall@k), уменьшение числа требуемых меток (label efficiency): насколько меньше меток нужно, чтобы достигнуть заданного качества.
- С подкреплением (редкий вариант, вспомогательная роль)
- Модели: POMDP/MDP для последовательного сканирования/выбора патчей; политика (DQN/PPO/SAC) для выбора областей изображения или последовательного обследования пациента; active learning через RL для выбора следующей разметки.
- Сбор данных: симуляции и реальные интерактивные сессии с клиницистами (эпизоды: выбор патчей → экспертный ответ), логи клинических решений.
- Критерии успеха: уменьшение требуемых аннотаций при сохранении качества — метрика label budget reduction $\frac{\Delta N}{N}$, скорость диагностики (среднее число шагов до решения), клиническая безопасность (количество опасных действий $=0$ или ниже порога).
2) Кластеризация клиентской базы
- С обучением с учителем (когда есть целевые метки сегментов)
- Модели: градиентный бустинг или нейросети для предсказания заранее обозначенных сегментов / LTV; multiclass классификаторы для автоматизации назначения сегмента.
- Сбор данных: исторические транзакции, демография, поведение (clickstream), маркетинговые отклики; разметка сегментов экспертизой/из A/B‑тестов.
- Критерии успеха: точность классификации сегментов ($\text{Accuracy}$, $\text{F1}$), бизнес‑KPIs по сегментам (uplift в конверсии/ LTV): например $\Delta \text{ARPU}$ или $\Delta \text{Retention}$.
- Без учителя (классическая сегментация)
- Модели: k‑means, GMM, иерархическая кластеризация, DBSCAN; предварительная эмбеддинг/редукция размерности (PCA, UMAP); автоэнкодеры/Deep Embedded Clustering.
- Сбор данных: агрегированные RFM‑признаки (recency, frequency, monetary), поведенческие признаки, нормализация/скейлинг, обработка пропусков, семантическая трансформация категорий.
- Критерии успеха: внутренняя валидность кластеров ($\text{Silhouette}$, $\text{Davies-Bouldin}$), согласованность кластеров с бизнес‑метриками (различия в LTV/CR между кластерами), стабильность кластеров во времени (джекнайф/ревальдация), внешняя метрика если есть метки — ARI ($\text{ARI}$).
- С подкреплением (персонализация/политики взаимодействия)
- Модели: contextual bandits (Thompson Sampling, LinUCB) для персонализированных офферов; более сложные contextual RL (PPO/SAC) моделирующие последовательные кампании.
- Сбор данных: логи взаимодействий (state = признаки клиента, action = оффер, reward = отклик/доход), off‑policy логи для оценивания; симуляторы отклика клиента.
- Критерии успеха: накопленная награда/ROI $\mathbb{E}\left[{\sum }_t{r}_t\right]$, uplift по сравнению с baseline ($\Delta \text{ConversionRate}$), снижение оттока ($\Delta \text{Churn}$), статистическая значимость A/B.
3) Управление автономным роботом
- С обучением с учителем (имитационное обучение / поведение из демонстраций)
- Модели: поведенческие клоны (BC) — нейросети, ремаппинг сенсоров→действия; структурированные политики с априорной физикой.
- Сбор данных: демонстрации от операторов (teleop), синхронизированные сенсоры и действия, качественная фильтрация/аугментация демонстраций.
- Критерии успеха: воспроизведение демонстраций — средняя ошибка управления $\mathbb{E}[\Vert a_{\text{pred}}-a_{\text{demo}}\Vert ]$, процент успешных эпизодов в реальном мире $\text{SR}=\frac{\text{успешные эпизоды}}{\text{всего}}$, но важно — обобщаемость к новым состояниям (robustness).
- Без учителя (обнаружение структур / представлений / навыков)
- Модели: представления состояний (contrastive learning, autoencoders), unsupervised skill discovery (DIAYN, VIC), кластеризация траекторий, самостоят. обучение признаков для downstream RL/BC.
- Сбор данных: агрегация неразмеченных сенсорных потоков и траекторий (в симуляции + реал), разнообразные поведения (random/curiosity-based exploration).
- Критерии успеха: качество эмбеддингов (линейная разделимость задач downstream), количество полезных навыков (coverage), ускорение обучения downstream задачи (sample efficiency).
- С подкреплением (основной подход к контролю)
- Модели: model‑free — PPO, SAC, TD3, DDPG; model‑based — MBPO, PETS; hierarchical RL (HRL) для сложных задач.
- Сбор данных: преобладательно симуляция с domain randomization + реальные эксперименты; использование опыта с офф‑политной переобучаемостью, демонстрации как инициализация (BC→RL). Соблюдение безопаcности: safe RL, constrained RL.
- Критерии успеха: средняя суммарная награда $\mathbb{E}[R]$, скорость обучения (эпизоды до достижения порога), процент успешных выполнений задачи ($\text{SR}$), число нарушений безопасности (должно быть $\approx 0$ или ниже заданного порога), sample efficiency (эпизодов до $\text{SR}\ge p$ где $p$ — целевой уровень, напр. $p=0.95$).
Ключевые сравнения и выбор подхода (коротко)
- Если есть много надежных меток и задача — предсказание/классификация → supervised (лучший по точности, но требует разметки).
- Если меток мало или цель — найти структуры/представления → unsupervised/self‑supervised (полезно как предварительный этап; снижает потребность в метках).
- Если задача — последовательное принятие решений с обратной связью и/или оптимизация политики → reinforcement learning (или bandits для кратких взаимодействий); требует симуляций/много опыта и особых мер безопасности.
Если хотите, могу для каждой конкретной задачи предложить примерную архитектуру и pipeline данных с шаблоном метрик и порогов, под ваш домен и ресурсы.