Обучить нейронную сеть Prototypical Neural Networks классификации

На основе датасета заказчика провести обучение нейронной сети с архитектурой Prototypical Neural Networks и сделать классификацию данных.<br> <br> <ul> <li>сделать парсер для предобработки датасета</li> <li>нормализовать данные</li> <li>сбалансировать данные</li> <li> использовать функцию активации Soft Max</li> <li> подготовить метрики обучения</li> <li>создать виртуально окружение env. для работы с нужной версией питона и библиотеками на машине заказчика, где будет сдаваться ТЗ</li> <li>сделать код для инференса</li></ul> <br> При необходимости исполнителю будет предоставлена машина для проведения обучения. Сдача готового ТЗ на машине предоставленной заказчиком.<br><br> <br> Данное ТЗ является первой частью серии работ состоящих из трёх – четырёх ТЗ, представляющих собой развитие идеи с целью повышения точности предсказаний.<br><br><br> Опыт работы и знания::<br><br> <br>Prototypical Neural Networks и Few-shot learning <br><br> Grid Search или Bayesian Optimization<br><br> Accuracy, Precision, Recall, F1-Score<br><br> Нормализация и стандартизация данных one_hot_encoding<br><br> Парсинг данных JSON, CSV, SQL<br><br> TensorFlow/Keras /PyTorch<br><br> NumPy, pandas <br><br> Matplotlib/Plotly<br><br> Cross-Entropy Loss<br><br> Оптимизаторы (Adam, SGD итд)<br><br> Интерпретация выходов SoftMax <br><br> Методы балансировки данных Oversampling / Undersampling<br><br> Binary Cross-Entropy Loss<br><br> Аугментация<br><br>