Какие типы слоёв знаешь в machine learning

В машинном обучении слои используются для построения нейронных сетей. Основные типы:

1. Полносвязные (Dense) — каждый нейрон связан со всеми нейронами предыдущего слоя. Пример:

from tensorflow.keras.layers import Dense
Dense(64, activation='relu')

2. Свёрточные (Conv2D, Conv1D) — применяют фильтры для выявления локальных паттернов (изображения, текст). Пример:

Conv2D(32, (3, 3), activation='relu')

3. Рекуррентные (LSTM, GRU) — обрабатывают последовательности с памятью о предыдущих состояниях.

4. Пулинговые (MaxPooling, AvgPooling) — уменьшают размерность, сохраняя ключевую информацию. Пример:

MaxPooling2D((2, 2))

5. Дропаут (Dropout) — регуляризация, случайно "выключает" нейроны для предотвращения переобучения.

6. Нормализации (BatchNorm, LayerNorm) — стабилизируют обучение, нормализуя активации.

7. Embedding — преобразует дискретные данные (слова) в плотные векторы.