Какие знаешь способы эмбеддинга

Эмбеддинги — это числовые представления объектов (слов, изображений и т.д.). Основные методы:

1. Word2Vec — предобученные или обученные с нуля эмбеддинги слов на основе контекста (Skip-gram, CBOW).

from gensim.models import Word2Vec
model = Word2Vec(sentences, vector_size=100, window=5, min_count=1)

2. GloVe — глобальные эмбеддинги, учитывающие статистику совместной встречаемости слов.

3. FastText — учитывает морфологию через n-граммы символов.

4. BERT/Transformers — контекстные эмбеддинги на основе трансформеров (например, bert-base-uncased).

5. TF-IDF — простой, но эффективный метод для текста (не нейросетевой).

Для изображений:

• CNN-эмбеддинги (например, ResNet, VGG).
• Autoencoders — сжатые представления через bottleneck-слой.

Для категориальных признаков:

• Entity Embeddings — обучение эмбеддингов как части нейросети.