<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>SSL on AI-Uchi — Всё об искусственном интеллекте</title><link>/tags/ssl/</link><description>Recent content in SSL on AI-Uchi — Всё об искусственном интеллекте</description><generator>Hugo</generator><language>ru</language><lastBuildDate>Thu, 04 Jun 2026 15:30:00 +0300</lastBuildDate><atom:link href="/tags/ssl/index.xml" rel="self" type="application/rss+xml"/><item><title>Semi-Supervised Learning: обучение с нехваткой данных</title><link>/articles/semi-supervised-learning-obuchenie-s-nekhvatkoj-dannyh/</link><pubDate>Thu, 04 Jun 2026 15:30:00 +0300</pubDate><guid>/articles/semi-supervised-learning-obuchenie-s-nekhvatkoj-dannyh/</guid><description>&lt;h1 id="semi-supervised-learning-как-учить-модели-когда-данных-мало"&gt;Semi-Supervised Learning: как учить модели, когда данных мало&lt;/h1&gt;
&lt;p&gt;Представьте: у вас есть миллион изображений кошек и собак, но размечены только 500 из них. Нанять разметчиков — дорого. Выбросить 999 500 картинок — расточительно. Что делать? Именно здесь на помощь приходит &lt;strong&gt;полуконтролируемое обучение&lt;/strong&gt; (Semi-Supervised Learning, SSL) — один из самых практичных подходов в современном ML.&lt;/p&gt;
&lt;p&gt;Эта статья — разбор первой части серии «Learning with not Enough Data» от Лилиан Венг (Lilian Weng, OpenAI). Рассмотрим, что такое SSL, какие у него базовые допущения, как устроены ключевые алгоритмы и где применять всё это на практике.&lt;/p&gt;</description></item></channel></rss>