Ano ang ibig sabihin ng GALAXY ZOO sa Tagalog

• galaxy zoo

Mga halimbawa ng paggamit ng Galaxy zoo sa Ingles at ang kanilang mga pagsasalin sa Tagalog

Galaxy Zoo Prior.
Galaxy Zoo Bago.

A few months later, Galaxy Zoo was born.
Ang ilang buwan mamaya, Galaxy Zoo ay ipinanganak.

Galaxy Zoo Helping science, fun, community.
Galaxy Zoo Pagtulong science, masaya, komunidad.

The prototypical example of a human computation project is Galaxy Zoo.
Ang prototypical na halimbawa ng isang proyekto sa pag-compute ng tao ay ang Galaxy Zoo.

The Galaxy Zoo.
Simula Galaxy Zoo.

Given that background, let's see how the split-apply-combine strategy was used in Galaxy Zoo.
Given na background, tingnan natin kung paano ang split-apply-combine na diskarte ay ginamit sa Galaxy Zoo.

Galaxy Zoo Helping science, fun, community.
Galaxy Zoo Pagtulong sa agham, masaya, komunidad.

More specifically, using the human classifications created by Galaxy Zoo, Banerji et al.
Higit pang mga partikular, ang paggamit sa human klasipikasyon nilikha sa pamamagitan ng Galaxy Zoo, Banerji et al.

For the Galaxy Zoo team, this first project was just the beginning.
Para sa koponan Galaxy Zoo, ito unang proyekto ay lamang sa simula.

Imagine Kevin Schawinski and Chris Linton, two astronomers sitting in a pub in Oxford thinking about Galaxy Zoo.
Isipin nina Kevin Schawinski at Chris Linton, dalawang astronomo na nakaupo sa isang pub sa Oxford na iniisip ang tungkol sa Galaxy Zoo.

In the case of Galaxy Zoo, the neural networks used by Banerji et al.
Sa kaso ng Galaxy Zoo, ang neural network na ginagamit ng Banerji et al.

Galaxy Zoo shows the evolution of many human computation projects.
Galaxy Zoo ay nagpapakita ng ebolusyon ng maraming mga tao proyekto pagtutuos.

Not only is the micro-task in Galaxy Zoo quite general, the structure of project is general as well.
Hindi lamang ay ang micro-gawain sa Galaxy Zoo medyo pangkalahatan, ang istraktura ng proyekto ay pangkalahatang pati na rin.

Galaxy Zoo is a good illustration of how many human computation projects evolve.
Ang Galaxy Zoo ay isang magandang ilustrasyon kung gaano karaming ebolusyon ng mga proyekto sa pag-compute ng tao.

Then, for a subset of the images, the Galaxy Zoo labels are used to train a machine learning model.
Pagkatapos, para sa isang subset ng mga imahe, ang Galaxy Zoo label ay ginagamit upang sanayin ang isang modelo machine learning.

In Galaxy Zoo, there were about 40 classifications per galaxy;.
Sa Galaxy Zoo, may mga tungkol sa 40 mga pag-uuri sa bawat kalawakan;

The work of Banerji and colleagues turned Galaxy Zoo into what I would call a computer-assisted human computation system.
Ang gawain ng Banerji at mga kasamahan ay nagpalit ng Galaxy Zoo sa kung ano ang tatawagan ko sa isang computer-assisted human computing system.

The Galaxy Zoo project used more than 100,000 volunteers to categorize more than 900,000 images.
Ang Galaxy Zoo proyekto ginagamit ng higit sa 100, 000 mga boluntaryo sa mga kategorya ng higit sa 900, 000 mga imahe.

For more on the history of galaxy classification in astronomy and how Galaxy Zoo continues this tradition, see Masters(2012) and Marshall, Lintott, and Fletcher(2015).
Alang sa dugang bahin sa kasaysayan sa pagklasipikar sa galaksiya sa astronomiya ug kung giunsa pagpadayon sa Galaxy Zoo kini nga tradisyon, tan-awa ang Masters( 2012) ug Marshall, Lintott, and Fletcher( 2015).

At the Galaxy Zoo website, volunteers would undergo a few minutes of training;
Sa website Galaxy Zoo, mga boluntaryo ay sumailalim sa isang ilang minuto ng pagsasanay;

This comparison shows that, as with Galaxy Zoo, human computation projects can produce high quality results.
Paghahambing na ito ay nagpapakita na, tulad ng sa Galaxy Zoo, human computation proyekto ay maaaring makabuo ng mataas na kalidad na mga resulta.

Galaxy Zoo combines the efforts of many non-expert volunteers to classify a million galaxies..
Galaxy Zoo pinagsasama ang mga pagsisikap ng maraming mga di-eksperto volunteers sa uri-uriin ng isang milyong mga kalawakan.

Not only is the microtask in Galaxy Zoo quite general, but the structure of the project is general as well.
Hindi lamang ang microtask sa Galaxy Zoo ay medyo pangkalahatan, ngunit ang istraktura ng proyekto ay pangkalahatan rin.

The Galaxy Zoo project used more than 100,000 volunteers to categorize more than 900,000 images.
Ang proyekto ng Galaxy Zoo ay gumagamit ng higit sa 100, 000 boluntaryo upang maikategorya ang higit sa 900, 000 na mga larawan.

This table shows that, unlike Galaxy Zoo, many other human computation projects use micro-task labor markets(e.g., Amazon Mechanical Turk).
Ang talahanayan ay nagpapakita na, hindi katulad Galaxy Zoo, maraming iba pang mga tao computation proyekto gamitin micro-gawain labor merkado( eg, Amazon Mechanical Turk).

Galaxy Zoo combined the efforts of many non-expert volunteers to classify a million galaxies..
Pinagsama ng Galaxy Zoo ang mga pagsisikap ng maraming di-eksperto na mga boluntaryo upang isaayos ang isang milyong kalawakan.

(2010) used the Galaxy Zoo classifications to train a machine learning model to do galaxy classification.
( 2010) ginamit ang Galaxy Zoo klasipikasyon upang sanayin ang isang machine learning modelo na gawin galaxy-uuri.

Galaxy Zoo grew out of a problem faced by Kevin Schawinski, a graduate student in Astronomy at the University of Oxford in 2007.
Ang Galaxy Zoo ay lumaki sa isang problema na nahaharap sa Kevin Schawinski, isang mag-aaral na nagtapos sa Astronomy sa University of Oxford noong 2007.

For example, the Galaxy Zoo community has discovered a new class of astronomical object that they called“Green Peas.”.
Halimbawa, natuklasan ng komunidad ng Galaxy Zoo ang isang bagong klase ng astronomical na bagay na tinatawag nilang" Green Peas.".

(2010) used the Galaxy Zoo classifications to train a machine learning model to do galaxy classification.
( 2010) ginamit ang mga pag-uuri ng Galaxy Zoo upang sanayin ang isang modelo ng pag-aaral ng makina upang magawa ang pag-uuri ng kalawakan.