Реестровая запись: ЭЛ № ФС77-79395 от 02.11.2020 ISSN: 2782-1528 DOI 10.34660/c0727-6092-6372-a
Сеть Больцмана — это тип вероятностной нейронной сети, которая обучается путем минимизации энергии системы и используется для решения задач в области распознавания образов. [50 терминов для инженера машинного обучения.
Бустинг градиентный — это ансамблевый метод, который обучает несколько слабых моделей (например, деревьев решений) и комбинирует их для получения более сильной модели. [50 терминов для инженера машинного обучения. (Электронный
Параметры модели — это переменные, которые оптимизируются в процессе обучения, чтобы модель могла делать точные предсказания на основе входных данных. [50 терминов для инженера машинного обучения. (Электронный ресурс). Режим
Мегаданные — это данные о данных, которые описывают, как и откуда были получены данные, их структура, использование и другие атрибуты. [50 терминов для инженера машинного обучения. (Электронный ресурс). Режим
Минимизация ошибки — это процесс оптимизации модели, направленный на уменьшение разницы между предсказаниями модели и реальными значениями в данных. [50 терминов для инженера машинного обучения. (Электронный ресурс). Режим доступа:
Обучение параллельное — это метод, при котором обучение модели происходит одновременно на нескольких процессорах или устройствах для ускорения вычислений. [50 терминов для инженера машинного обучения. (Электронный ресурс). Режим доступа:
Трафик сетевой в контексте машинного обучения — это обмен данными между различными компонентами системы, в том числе между устройствами и серверами для обработки и анализа
Выбор признаков — это процесс выбора наиболее важных признаков из исходных данных, которые будут использоваться для обучения модели. [50 терминов для инженера машинного обучения. (Электронный ресурс). Режим доступа: http://
Преобразование признаков — это изменение или создание новых признаков на основе исходных данных для улучшения производительности модели. [50 терминов для инженера машинного обучения. (Электронный ресурс). Режим доступа: http:// Pro-DGTL.ru›blog/razrabotka/tpost/4e93vbs2p1-50-/,
Контроль за переобучением — это методы, направленные на предотвращение слишком точного подгона модели под обучающие данные, что снижает ее способность обобщать на новые данные. [50 терминов для