В каких областях ML работали? Приходилось ли тренировать модели, и если да, то какие архитектуры?

Работал в нескольких областях машинного обучения, включая обработку естественного языка (NLP), компьютерное зрение и рекомендательные системы. Приходилось тренировать модели как классические (например, решающие деревья, SVM), так и глубокие нейронные сети.

В частности, использовал архитектуры:

• CNN (сверточные нейронные сети) для задач классификации изображений и сегментации.
• RNN и LSTM для анализа последовательностей и текстовых данных.
• Transformer-модели для задач NLP, включая BERT и GPT-подобные архитектуры.

Пример: для задачи классификации текста использовал BERT с дообучением на специфической предметной области, что значительно улучшило качество предсказаний по сравнению с классическими методами.