На нашем сайте вы можете читать онлайн «Глоссариум по искусственному интеллекту: 2500 терминов. Том 2». Эта электронная книга доступна бесплатно и представляет собой целую полную версию без сокращений. Кроме того, доступна возможность слушать аудиокнигу, скачать её через торрент в формате fb2 или ознакомиться с кратким содержанием. Жанр книги — Техническая литература. Кроме того, ниже доступно описание произведения, предисловие и отзывы читателей. Регулярные обновления библиотеки и улучшения функционала делают наше сообщество идеальным местом для любителей книг.
Глоссариум по искусственному интеллекту: 2500 терминов. Том 2

Дата выхода
06 декабря 2023
Краткое содержание книги Глоссариум по искусственному интеллекту: 2500 терминов. Том 2, аннотация автора и описание
Прежде чем читать книгу целиком, ознакомьтесь с предисловием, аннотацией, описанием или кратким содержанием к произведению Глоссариум по искусственному интеллекту: 2500 терминов. Том 2. Предисловие указано в том виде, в котором его написал автор (Александр Юрьевич Чесалов) в своем труде. Если нужная информация отсутствует, оставьте комментарий, и мы постараемся найти её для вас. Обратите внимание: Читатели могут делиться своими отзывами и обсуждениями, что поможет вам глубже понять книгу. Не забудьте и вы оставить свое впечатие о книге в комментариях внизу страницы.
Описание книги
Дорогой читатель! Вашему вниманию предлагается уникальная книга! Современный глоссарий из более чем 2500 популярных терминов и определений по машинному обучению и искусственному интеллекту. Эта книга написана экспертами-практиками, которые вместе работали над Программой Центра искусственного интеллекта, а также программами «Искусственный интеллект» и «Глубокая аналитика» проекта «Приоритет 2030» в МГТУ им. Н. Э. Баумана в 2021—2022 годах.
Глоссариум по искусственному интеллекту: 2500 терминов. Том 2 читать онлайн полную книгу - весь текст целиком бесплатно
Перед вами текст книги, разбитый на страницы для удобства чтения. Благодаря системе сохранения последней прочитанной страницы, вы можете бесплатно читать онлайн книгу Глоссариум по искусственному интеллекту: 2500 терминов. Том 2 без необходимости искать место, на котором остановились. А еще, у нас можно настроить шрифт и фон для комфортного чтения. Наслаждайтесь любимыми книгами в любое время и в любом месте.
Текст книги
Entity annotation – the process of labeling unstructured sentences with information so that a machine can read them. This could involve labeling all people, organizations and locations in a document, for example[465 - Entity annotation [Электронный ресурс] https://bigdataanalyticsnews.com URL: https://bigdataanalyticsnews.com/artificial-intelligence-glossary/ (дата обращения: 27.03.2023)].
Entity extraction is an umbrella term referring to the process of adding structure to data so that a machine can read it.
Entropy — the average amount of information conveyed by a stochastic source of data[467 - Entropy [Электронный ресурс] https://appen.com URL: https://appen.com/ai-glossary/ (дата обращения 28.
Environment in reinforcement learning, the world that contains the agent and allows the agent to observe that world’s state. For example, the represented world can be a game like chess, or a physical world like a maze. When the agent applies an action to the environment, then the environment transitions between states[468 - Environment [Электронный ресурс] https://developers.google.com URL: https://developers.google.com/machine-learning/glossary#environment (дата обращения: 16.
Episode in reinforcement learning, is each of the repeated attempts by the agent to learn an environment[469 - Episode [Электронный ресурс] https://developers.google.com URL: https://developers.google.com/machine-learning/glossary#episode (дата обращения: 11.07.2023)].
Epoch in the context of training Deep Learning models, is one pass of the full training data set[470 - Эпоха (Epoch) [Электронный ресурс] https://tgdratings.
Epsilon greedy policy in reinforcement learning, is a policy that either follows a random policy with epsilon probability or a greedy policy otherwise. For example, if epsilon is 0.











