Що таке МОДЕЛІ МАШИННОГО НАВЧАННЯ Англійською - Англійська переклад

• machine learning models
• machine learning model
• machine-learning models

Приклади вживання Моделі машинного навчання Українська мовою та їх переклад на Англійською

Наступним кроком є створення функціональних векторів для нашої моделі машинного навчання.
The next step is to create feature vectors for our machine learning model.

Навчання та використання моделі машинного навчання за допомогою Windows ML та ONNX.
Training and using a machine learning model using Windows ML and ONNX.

Зараз зовсім необов'язково наймати величезний штат співробітників, які будуть створювати інноваційні моделі машинного навчання з нуля.
It is not currently necessary to hire a large team of talents developing innovative models of machine learning from scratch.

Деякі дослідницькі групи сподіваються натренувати моделі машинного навчання для виявлення ознак аутизму ще до появи поведінкових симптомів.
Some research teams hope to train machine-learning models to detect signs of autism even before behavioral symptoms emerge.

Можливо, програміст звик вводити тисячі, мільйони і мільярди точок даних у моделі машинного навчання, але це не потрібно для часових рядів.
You may be used to feeding thousands, millions, or billions of data points into a machine learning model, but this is not always the case with time series.

Він дозволяє дізнатися, чи можуть моделі машинного навчання обробити велику кількість інформації, перш ніж давати точні відповіді на запитання.
Designed to tease out whether machine-learning models can process large amounts of information before supplying precise answers to queries.”.

Моделі машинного навчання зазвичай навчаються на прикладах навчання фіксованого розміру, тому нам потрібно буде перевчити свою модель з нуля.
Machine learning models typically learn on fixed-size training examples, so we would need to retrain our model from scratch.

AutoML є частиною того, що розглядається як демократизація інструментів AI, дозволяючи бізнес-користувачам розробляти моделі машинного навчання без глибокого програмування.
AutoML is part of what is considered as democratization of AI tools, enabling business users to develop machine learning models without deep programming.

На основі проекту CIESIN“Сітка популяція світу”, Facebook використовує моделі машинного навчання на супутникових знімках високої роздільної здатності, щоб намалювати остаточну картину людських поселень у всьому світі.
Building upon CIESIN's Gridded Population of the World project, Facebook is using machine learning models on high-resolution satellite imagery to paint a definitive picture of human settlement around the world.

AutoML є частиною того, що розглядається як демократизація інструментів AI, дозволяючи бізнес-користувачам розробляти моделі машинного навчання без глибокого програмування.
AutoML is part of what's seen as a democratization of AI tools, enabling business users to develop machine learning models without a deep programming background.

Крім того, моделі машинного навчання в цих проектах можуть бути запрошені за допомогою відкритих дзвінків, за якими дослідники конкурують із створенням моделей машинного навчання, що мають найбільшу прогностичну ефективність.
Also, the machine learning models in these projects can be solicited with open calls, whereby researchers compete to create machine learning models with the greatest predictive performance.

Крім того, ці проекти можуть бути зроблені на відкриті виклики, в результаті чого дослідники змагаються, щоб створювати моделі машинного навчання з найбільшою предсказательной роботи.
Also, these projects can be done with open calls, whereby researchers compete to create machine learning models with the greatest predictive performance.

Побудова моделі машинного навчання, яка дозволяє правильно відтворити класифікацію людей, сама по собі є важкою проблемою, але, на щастя, вже є чудові книги, присвячені цій темі(Hastie, Tibshirani, and Friedman 2009; Murphy 2012; James et al. 2013).
Building a machine learning model that can correctly reproduce the human classifications is itself a hard problem, but fortunately there are already excellent books dedicated to this topic(Hastie, Tibshirani, and Friedman 2009; Murphy 2012; James et al. 2013).

Nvidia опублікувала блог, де детально розповідається про те, як працює тестування на висновки, і відмінності між навчанням моделі машинного навчання та тестами на виведення.
Nvidia has published a blog post that goes into some detail on how inference testing works, and the differences between teaching a machine learning model and running inference tests.

Якщо моделі машинного навчання стануть більше схожі на програми, тоді вони більше майже не будуть дифференцируемы- безумовно, ці програми будуть використовувати безперервні геометричні шари як підпрограми, які залишаться дифференцируемыми, але вся модель в цілому не буде такою.
If machine learning models become more like programs, then they will mostly no longer be differentiable- certainly, these programs will still leverage continuous geometric layers as subroutines, which will be differentiable, but the model as a whole would not be.

Особливості моделі машинного навчання Банерджі та колег були більш складними, ніж ті, що містяться в прикладі моєї іграшки, наприклад, вона використовувала такі функції, як"де Ваукоулерс вписується в осьове співвідношення"- і її модель не логістична регресія, це була штучна нейронна мережа.
The features in Banerji and colleagues' machine learning model were more complex than those in my toy example- for example, she used features like“de Vaucouleurs fit axial ratio”- and her model was not logistic regression, it was an artificial neural network.

Класифікувальні моделі машинного навчання можливо затверджувати за допомогою таких методик оцінювання точності як методпритримування[en], що розбиває дані на тренувальний та перевірний набори(загальноприйнято призначають 2/3 тренувального набору та 1/3 перевірного) та оцінює продуктивність моделі тренування на перевірному наборі.
Classification machine learning models can be validated by accuracy estimation techniques like the Holdout method, which splits the data in a training and test set(conventionally 2/3 training set and 1/3 test set designation) and evaluates the performance of the training model on the test set.

Потім команда використовувала модель машинного навчання для прогнозування твердості цих матеріалів.
Then, the team employed a machine learning model to predict the hardness of these carbon species.

Впроваджуйте платформу Google Cloud для створення, тренування і оптимізації моделей машинного навчання.
Unleash Google's Cloud Platform to build, train and optimize machine learning models.

Компанія створила модель машинного навчання, в якій використовуються різні сигнали взаємодії, включно із зворотнім зв'язком від людей на Facebook, для визначення потенційного неправдивого контенту.
We have built a machine learning model that uses various engagement signals, including feedback from people on Facebook, to identify potentially false content.

Далі використовуйте цю модель машинного навчання для поставлення опитування відповіді кожного в цифрових даних трасування.
Next, use that machine learning model to impute the survey answers of everyone in the digital trace data.

З 31 січня 2020 року Insilico почала використовувати 28 різних моделей машинного навчання для розробки нових малих молекул, які можуть зв'язуватися з 3C-подібної протеазой і блокувати її розмноження.
Beginning on Jan. 31, Insilico began using 28 different machine learning models to design new small molecules that might bind to the 3C-like protease and inhibit its functioning.

Кінцевим результатом є модель машинного навчання, яка працює на серверах Google і доступна через API.
The end result is a machine learning model that runs on Google's servers, accessible via an API.

Хмарна платформа Google створила спеціалізовану середу для побудови моделей машинного навчання без необхідності інвестувати у створення попередньої підготовчої інфраструктури.
Google Cloud Platform has offered a cloud-based tailored environment for building machine learning models without the need for investing in on-prem infrastructure.

Інженери DB Systel розробили модель машинного навчання для основного залізничного оператора Німеччини- Deutsche Bahn.
Engineers from Deutsche Bahn, the main German railway operator, developed a machine learning model for estimating electricity supply on the trains.

Ноутбуки Юпітера дозволять перевірити та взаємодіяти з кодом під час розробки моделей машинного навчання.
Jupyter notebooks will allow you to test and interact with your code while developing machine learning models.

Наприклад, якщо оснастити байєсівською моделлю машинного навчання смартфони або ноутбуки, їм не доведеться ділитися особистими даними з великими компаніями, щоб визначати інтереси користувачів;
For example, if you equip Bayesian machine learning model smartphones or laptops, they will not have to share personal data with large companies to determine the interests of users;

Компанія створила модель машинного навчання, в якій використовуються різні сигнали взаємодії, включно із зворотнім зв'язком від людей на Facebook, для визначення потенційного неправдивого контенту.
The company revealed that it has built a machine learning model that uses various engagement signals, including feedback from people on Facebook, to identify potentially false content.

По-перше, для людей в обох джерелах даних, побудувати модель машинного навчання, яка використовує цифрові дані трасування для прогнозування відповідей опитування.
First, for the people in both data sources, build a machine learning model that uses digital trace data to predict survey answers.

І, нарешті, вони використовували цю модель машинного навчання, щоб оцінити настрої всіх 11 мільйонів повідомлень.
Finally, they used this machine learning model to estimate the sentiment of all 11 million posts.