Какие модели нейронных сетей использовал

В работе применял разнообразные архитектуры в зависимости от задачи:

• CNN (ResNet, EfficientNet) для классификации изображений
• RNN/LSTM для временных рядов и NLP
• Transformer (BERT, GPT) для текстовых задач
• GAN (DCGAN, StyleGAN) для генерации данных

Пример CNN для классификации:

from tensorflow.keras import layers, models

model = models.Sequential([
    layers.Conv2D(32, (3,3), activation='relu', input_shape=(28,28,1)),
    layers.MaxPooling2D((2,2)),
    layers.Flatten(),
    layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy')

Для табличных данных часто использую Gradient Boosting (XGBoost, CatBoost) как более интерпретируемую альтернативу.