Пояснения

Регрессия — это тип задачи машинного обучения, целью которой является прогнозирование непрерывного значения для заданной точки входных данных. Пример. Регрессия используется для прогнозирования цен на

Обучение полууправляемое — это тип машинного обучения, при котором модель обучается как на размеченных, так и на неразмеченных данных для повышения производительности. Пример: полууправляемое обучение

Перенос обучения — это метод, при котором модель, обученная одной задаче, повторно используется для другой, но связанной задачи, чтобы уменьшить объем необходимых обучающих данных. Пример:

Модель от последовательности к последовательности (Sequence-to-sequence model, seq2seq). Самая популярная задача на последовательность – это перевод: обычно с одного естественного языка на другой. За последние пару лет коммерческие системы стали на удивление хороши в машинном

Алгоритмы недетерминированные (Nondeterministic algorithm) – это алгоритмы, которые даже для одних и тех же входных данных могут демонстрировать различное поведение при разных прогонах, итерациях, выполнениях. Он тесно связан с недетерминированными

Недоумение (Perplexity) – это показатель того, насколько эффективно вероятностная модель может предсказывать выборку в контексте статистического измерения информации. Например, BLEU – это показатель сложности для моделей языкового перевода,

Здравоохранение мобильное (Mobile healthcare, mHealth) – это ряд мобильных технологий, систем, сервисов и приложений, установленных на мобильных устройствах и использующихся в медицинских целях и для обеспечения здорового образа жизни человека и мотивации

Система  многомерная (Multidimensional system) или м-Д система – это система, в которой существует не только одна независимая переменная (как время), а несколько независимых переменных. [Чесалов А. Ю. Глоссариум по искусственному интеллекту: 2500 терминов/  А. Ю. Чесалов — 

KL-ONE — хорошо известная система представления знаний в традициях семантических сетей и кадры; то есть это язык фреймов. Система представляет собой преодолеть семантическую нечеткость в