yandex-research/rtdl

Исследования в области глубокого обучения на табличных данных: статьи и пакеты

Прочее⭐ 1 163Pythonпоследний релиз: optimizers-uncertainty-tfmfinetuning
Открыть на GitHub ↗

Что это за инструмент

RTDL — это библиотека для глубокого обучения на табличных данных, предоставляющая современные архитектуры нейронных сетей и инструменты для их обучения.

Зачем нужен

Инструмент решает задачу повышения точности предсказаний на структурированных данных (таблицах), где традиционные методы часто уступают. Он полезен тем, кто хочет внедрять state-of-the-art модели в production или проводить исследования в области табличного машинного обучения.

Что можно реализовать

  • Построение высокопроизводительных моделей для прогнозирования оттока клиентов (churn prediction)
  • Оценка кредитоспособности и скоринг в финансовом секторе
  • Прогнозирование спроса и управление запасами
  • Исследование эффективности различных архитектур нейронных сетей на табличных датасетах

Ключевые возможности

  • Реализация современных архитектур, таких как TabTransformer и FT-Transformer
  • Интеграция с популярными фреймворками (PyTorch, PyTorch Lightning)
  • Наличие готовых утилит для обработки категориальных и числовых признаков
  • Поддержка обучения на больших объемах данных с оптимизацией памяти
  • Активная разработка и обновления от исследователей Яндекса

👤 Кому подойдёт: Data Scientists, ML-инженеры, исследователи в области машинного обучения

Релизы

optimizers-uncertainty-tfmfinetuningpatch
🕐 5 мес назад · релиз на GitHub ↗

В документацию добавлены описания трёх последних исследований по оптимизаторам и тонкой настройке табличных моделей.

  • Added: Добавлена информация о статье 2026 года: бенчмарк оптимизаторов для MLP в табличном глубоком обучении.
  • Added: Добавлена информация о статье 2025 года: роль неопределённости данных в табличном глубоком обучении.
  • Added: Добавлена информация о статье 2025 года: тонкая настройка табличных фундаментальных моделей.