Ejemplos de uso de Algoritmos de machine learning en Español y sus traducciones al Inglés
{-}
-
Colloquial
-
Official
Ese es el papel de los algoritmos de machine learning.
Estos algoritmos de Machine Learning definen cómo se forma….
Genere datos de radar ysonar para entrenar algoritmos de machine learning.
Estos algoritmos de machine learning supervisados pueden subdividirse en.
Conocimientos en desarrollo y validación de algoritmos de machine learning.
Combinations with other parts of speech
Uso con adjetivos
nuevo algoritmoalgoritmos genéticos
algoritmos de aprendizaje automático
algoritmos inteligentes
algoritmos matemáticos
un nuevo algoritmoalgoritmos criptográficos
algoritmos evolutivos
algoritmo hash
mismo algoritmo
Más
Los algoritmos de machine learning se clasifican a menudo como supervisados y no supervisados.
Implementar auditorías internas y externas de los algoritmos de machine learning para verificar si hay sesgo, discriminación o errores.
Crear algoritmos de machine learning en un pipeline analítico que se ejecutan a la velocidad de Spark.
Analice datos estructurados yno estructurados utilizando algoritmos de machine learning y capacidades de manipulación de datos con opciones automatizadas.
Los algoritmos de machine learning supervisados pueden funcionar con nuevos datos que han aprendido en el pasado.
Tiene experiencia en escalar algoritmos de Machine Learning en un entorno distribuido.
Los algoritmos de machine learning no supervisados son capaces de sacar conclusiones de conjuntos de datos.
Pueden provenir de fuentes de acceso público, sensores(IoT),cookies o pueden generarse mediante algoritmos de machine learning y métodos analíticos.
El proceso que implica la aplicación de algoritmos de machine learning se puede comparar con el procedimiento de minería de datos.
En los algoritmos de machine learning no supervisados no se proporcionan conjuntos de datos, sino que los datos se distribuyen en diferentes lugares.
La solución, debido a la gran variedad de fuentes de información y su volumen,exigió la utilización de una plataforma Big Data y algoritmos de Machine Learning para la clusterización de clientes y posterior segmentación de campañas.
Estos son algunos de los algoritmos de machine learning que se usan más a menudo, y que pueden aplicarse a casi cualquier problema de datos.
Así, utilizando distintas fuentes para obtener información sobre las preferencias de los usuarios y mediante la aplicación de algoritmos de machine learning, esta app identifica qué tipo de comida te gusta y cuáles son tus necesidades nutricionales.
El objetivo de los algoritmos de machine learning también puede estar relacionado con la determinación de puntos de datos que parecen inusuales.
Los algoritmos de machine learning tienen mucho que ver con la construcción de un modelo analítico que automatiza el proceso de análisis de datos.
En este webinar,los expertos de Talend muestran cómo implementar algoritmos de machine learning en los procesos analíticos y cómo extraer el análisis de los sentimientos para lograr un nuevo nivel de información y oportunidades.
En los algoritmos de machine learning supervisados, los conjuntos de datos de salida se utilizan para preparar la máquina y para obtener los resultados deseados.
Además, la utilización de algoritmos de Machine Learning es capaz de ayudar al sector jurídico en asesoramiento procesal y hasta automatizar decisiones basadas en casos similares.
Los algoritmos de machine learning se centran en la mejora de los programas informáticos que son capaces de aprender por sí mismos y que pueden crecer y cambiar automáticamente.
Hoy en día, hay muchos tipos de algoritmos de machine learning que tratan de descubrir correlaciones sin ningún tipo de aportaciones externas, utilizando sólo los únicos datos en bruto disponibles.
Sin embargo, los algoritmos de machine learning no solo utilizan los datos para detectar patrones, sino también para ajustar los programas y operaciones del ordenador.
El objetivo principal de los algoritmos de machine learning es desarrollar algoritmos generales, teniendo en cuenta dos variables esenciales: el tiempo y la eficiencia del espacio.
La razón es que los algoritmos de machine learning son capaces de analizar volúmenes considerables de datos, una cantidad de información que los seres humanos nunca podrían analizar sin máquinas.
¿Necesita alguna orientación básica sobre qué algoritmo de machine learning utilizar para qué cosa?