将机器学习 日语是什么意思 - 日语翻译

• にmachinelearningを
• 機械学習

在 中文 中使用 将机器学习 的示例及其翻译为 日语

将机器学习、数据分析与视频处理速度提升10倍.
機械学習、データ解析、ビデオ処理を10倍に高速化。

将机器学习训练速度提升35倍.
機械学習のトレーニングが最大35倍高速化。

快速将机器学习添加到Kubernetes应用程序.
Kubernetesアプリケーションに機械学習をすばやく追加する。

将机器学习推理成本降低多达75%.
機械学習の推論コストを最大75%削減。

了解如何使用ApacheMXNet和AppleCoreML将机器学习引入iOS应用。
ApacheMXNetやApple CoreMLを使用してiOSアプリにMachineLearningを導入する方法についてはこちらをご覧ください。

例如，将机器学习模型应用于基于基因组序列的细菌检测，就是一项具有挑战性的现实应用。
例えば、機械学習モデルを現実世界のアプリケーションとして使用する挑戦の1つは、ゲノム配列に基づく細菌の識別です。

使用ApacheMXNet和AppleCoreML将机器学习引入iOS应用程序.
ApacheMXNetとAppleCoreMLを使用してiOSにMachineLearningを導入。

了解如何使用ApacheMXNet和AppleCoreML将机器学习引入iOS应用。
ApacheMXNetとAppleCoreMLを使用してiOSにMachineLearningを導入。

Oracle-KPMG研究表明，47%的组织正在将机器学习用于网络安全目的。
オラクルとKPMGの調査では、47%の企業がサイバーセキュリティの目的で機械学習を利用していることが明らかとなっている。

EC2P3实例采用NVIDIAV100TensorCoreGPU，让客户能够使用自动混合精度功能，将机器学习训练耗时从数天减少至数小时。
EC2P3インスタンスはNVIDIA V100TensorコアGPUを搭載しており、自動混合精度機能によって機械学習トレーニングを数日から数時間に短縮できます。

有了CoreML，Apple能将机器学习的能力带给所有Apple开发者，支持他们创建全新种类的app。
CoreMLでは、AppleはすべてのApple開発者に機械学習の力をもたらし、まったく新しい種類のアプリケーションの作成を可能にします。

借助用于处理大数据的工具和函数，以及让机器学习发挥作用的应用程序，MATLAB是将机器学习应用于您的数据分析的理想环境。
ビッグデータを扱うためのツールや関数と、機械学習を容易に行うためのアプリが備わったMATLABは、データ解析に機械学習を適用するうえで理想的な環境です。

利用Apple在WWDC2017上发布的CoreML版本，开发人员现在可以轻松地将机器学习模型集成到其应用程序中，这使得他们只需编写几行代码即可为用户带来智能的新功能。
AppleのCoreMLがWWDC2017でリリースされたことにより、開発者は独自のアプリにMachineLearningを簡単に統合できるようになり、いくつかのコードでユーザーにインテリジェントな新機能を提供することができます。

因此，我们将机器学习平台整合到我们的一系列背景工具中，以便最多8万名员工能够在最严峻的环境下快速有效地解决问题。
そこで我々は裏側で動いている多くのツールに機械学習プラットフォームを導入して、最も厳しい条件であってもデルタ航空の8万人以上のスタッフがさらに素早く効果的に問題を解決できるようにしている」。

KubeflowPipelines是Kubeflow的一个新组件，而Kubeflow是由Google发起的一个非常受欢迎的开源项目，它将机器学习代码像构建应用程序一样打包，以便整个组织中的其他用户都可以重复使用。
KubeflowPipelinesは、Googleが立ち上げたオープンソースプロジェクトであるKubeflowの新しいコンポーネントで、アプリケーションを構築するのと同様に機械学習コードをパッケージ化し、社内の他のユーザーが再利用できるようにします。

将机器学习性能提升到新水平.
機械学習を次のレベルに引き上げる。

谷歌推出MLKIT，将机器学习带到Firebase平台.
GoogleがMLKITを使ってFirebaseで機械学習を実現。

您可以将机器学习视为“使用数据进行编程”。
つまり、機械学習は「データを使ったプログラミング」と考えることができます。

我们正在将机器学习训练环境从本地迁移到AmazonSageMaker。
私たちは、機械学習トレーニング環境をオンプレミスからAmazonSageMakerに移行する途中です。

年，我们将机器学习技术应用于物理以及生物科学当中的诸多问题。
年に、私たちは物理学と生物学のさまざまな問題に機械学習を適用しました。

通过更多迭代将机器学习训练速度提升高达100倍，提高模型精准度。
機械学習トレーニングを最大100倍まで速めて反復を増やすことによりモデル精度が向上します。

此外Google也在通过TensorFlowLite框架将机器学习能力带到运行Android的移动设备上。
一方、GoogleはAndroidをTensorFlowLiteフレームワークで稼働するよう、機械学習をモバイルデバイスに持ち込んでいる。

将机器学习转化回优化问题的最简单方法就是最小化训练集上的期望损失，即.
機械学習の問題を最適化問題に戻す最も単純な方法は，訓練集合の期待損失を最小化する。

你可以将机器学习算法分成两大类别：监督式学习（supervisedLearning）和非监督式学习（unsupervisedLearning）。
機械学習の問題は大きく分けて、教師付き学習（supervisedlearning）と、教師無し学習(unsupervisedlearning)の2つに分類されます。

如果需要一个低级别的API来将机器学习添加到游戏、后端或类似应用中，请使用DirectMachineLearning。
機械学習をゲーム、バックエンド、または類似のアプリに追加するのに下位レベルのAPIが必要な場合は、DirectMachineLearningをご利用ください。

如果所部署的新数据集很多都只能够追溯一二十年，那将机器学习应用于长期投资会很棘手。
投入される新しいデータセットの多くが10～20年前までしかさかのぼれないのであれば、機械学習を長期投資に適用するのは難しい。

与最近发布的1.10正式版GKE一起，用户可以将机器学习（ML）工作负载放在上面，并利用GPU的强大处理能力。
GKEの1.10バージョンの最近のGAと共に、顧客は機械学習（ML）のワークロードをGKE上に乗せて、GPUの高い処理能力を活用することができる。

随着DowJones继续专注于将机器学习与我们的产品和服务集成，我们发现AWS一直是一个出色的合作伙伴。
DowJonesでは、当社の製品やサービスに機械学習を統合することに引き続き重点を置いているため、AWSはすばらしいパートナーです。

随着DowJones继续专注于将机器学习与我们的产品和服务集成，我们发现AWS一直是一个出色的合作伙伴。
DowJonesでは、当社の製品やサービスに機械学習を統合することに継続的に重点を置いているため、AWSはすばらしいパートナーです。

如果您使用AmazonEC2将应用程序部署到了Kubernetes，您可以快速使用AmazonDL容器将机器学习以微服务的形式添加到这些应用程序。
AmazonEC2を使用してKubernetesにアプリケーションをデプロイしておけば、AWSDLコンテナを使用して、機械学習をマイクロサービスとしてそれらのアプリケーションにすばやく追加できます。