| Russian | English |
| автоматизированное машинное обучение | automated machine learning (из кн.: Браздил П., ван Рейн Я., Соарес К., Ваншорен Х. Метаобучение, 2023  dmkpress.com Alex_Odeychuk) |
| автоматизированное обучение | automatic teaching (Alex_Odeychuk) |
| агент со средствами машинного обучения | machine learning agent (singularityhub.com Alex_Odeychuk) |
| активное обучение | active learning |
| алгоритм глубокого обучения | deep learning algorithm (компании Cray Alex_Odeychuk) |
| алгоритм машинного обучения | machine learning algorithm (Alex_Odeychuk) |
| алгоритм неконтролируемого вероятностного глубокого обучения | unsupervised probabilistic deep learning algorithm (MichaelBurov) |
| алгоритм обучения глубоких сетей доверия | learning algorithm for deep belief nets (Alex_Odeychuk) |
| алгоритм обучения градиентным спуском | gradient descent learning algorithm (Alex_Odeychuk) |
| алгоритм обучения на основе правил | rule learning algorithm (Alex_Odeychuk) |
| алгоритм обучения рекуррентных сетей | algorithm for training recurrent networks (Alex_Odeychuk) |
| алгоритм отслеживания на основе машинного обучения | machine-learning-driven tracking algorithm (Alex_Odeychuk) |
| алгоритм статистического обучения | statistical learning algorithm (Alex_Odeychuk) |
| ансамблевое обучение | ensemble learning (из кн.: Браздил П., ван Рейн Я., Соарес К., Ваншорен Х. Метаобучение, 2023 capissimo) |
| аппаратное обеспечение для машинного обучения | machine learning hardware (Alex_Odeychuk) |
| архитектура модели глубокого обучения | deep learning architecture (science.org Alex_Odeychuk) |
| атрибут, определяемый моделью машинного обучения | attribute a machine learning model defines (A parameter refers to an attribute a machine learning model defines based on its training data. — Под параметром понимается атрибут, определяемый моделью машинного обучения на основе обучающих данных. singularityhub.com Alex_Odeychuk) |
| без памяти обучение невозможно | without memory, no learning is possible (Alex_Odeychuk) |
| библиотека квантового машинного обучения | library for quantum machine learning (xanadu.ai Alex_Odeychuk) |
| в области машинного обучения | in the machine-learning realm (forbes.com Alex_Odeychuk) |
| в условиях непрерывного обучения | in a continuous state of learning (Alex_Odeychuk) |
| вариационное машинное обучение | variational machine learning (Alex_Odeychuk) |
| вести эмпирическое обучение | teach via experiences (Alex_Odeychuk) |
| виртуальное обучение и имитационное моделирование | virtual training and simulation (Alex_Odeychuk) |
| внедрять наработки в области машинного обучения | leverage machine learning (InfoWorld Alex_Odeychuk) |
| вспомогательное обучение | auxiliary learning (Alex_Odeychuk) |
| выполнять машинное обучение | do machine learning (Alex_Odeychuk) |
| выполнять обучение в облаке | train in the cloud (напр., искусственной нейронной сети Alex_Odeychuk) |
| выполнять обучение системы специфике новой предметной области | train the system in a new domain (financial-engineer) |
| высокая эффективность обучения | high learning efficiency (Alex_Odeychuk) |
| высокопроизводительное машинное обучение | high-powered machine learning (Alex_Odeychuk) |
| вычисления глубокого обучения | deep learning computation (habr.com Alex_Odeychuk) |
| генеративное глубокое обучение | generative deep learning (Alex_Odeychuk) |
| гибридный квантово-классический алгоритм машинного обучения | hybrid quantum-classical machine learning algorithm (Alex_Odeychuk) |
| главный инженер-разработчик систем машинного обучения | principal machine learning engineer (cnn.com Alex_Odeychuk) |
| глубинное обучение | hierarchical learning (MichaelBurov) |
| глубинное обучение | deep structured learning (MichaelBurov) |
| глубинное обучение | deep learning (MichaelBurov) |
| глубокие знания в области машинного обучения | strong background in machine learning (Alex_Odeychuk) |
| глубокое вероятностное обучение | deep probabilistic learning (Alex_Odeychuk) |
| глубокое обучение | hierarchical learning (Alex_Odeychuk) |
| глубокое обучение | deep structured learning (Alex_Odeychuk) |
| глубокое обучение | deep machine learning (Alex_Odeychuk) |
| глубокое обучение | deep learning (InfoWorld; глубокое обучение – это часть широкого семейства методов машинного обучения – обучения представлениям, где векторы признаков располагаются сразу на множестве уровней. Эти признаки определяются автоматически и связывают друг с другом, формируя выходные данные. На каждом уровне представлены абстрактные признаки, основанные на признаках предыдущего уровня. Таким образом, чем глубже мы продвигаемся, тем выше уровень абстракции. В нейронных сетях множество слоев представляет собой множество уровней с векторами признаков, которые генерируют выходные данные Alex_Odeychuk) |
| глубокое обучение в приложениях для встроенных систем | embedded deep learning (Alex_Odeychuk) |
| глубокое обучение для поисковых систем | deep learning for search (Alex_Odeychuk) |
| глубокое обучение с подкреплением | deep reinforcement learning (gagadget.com Alex_Odeychuk) |
| глубокое структурное обучение | hierarchical learning (MichaelBurov) |
| глубокое структурное обучение | deep structured learning (MichaelBurov) |
| глубокое структурное обучение | deep learning (MichaelBurov) |
| градиентное обучение | gradient-based training (Alex_Odeychuk) |
| данные начального обучения | bootstrap data (Valeriy_Yatsenkov) |
| дистанционный метод обучения с учителем | remote supervised method (Alex_Odeychuk) |
| для задач машинного обучения | for machine learning tasks (Computerworld Alex_Odeychuk) |
| достижения в области машинного обучения | progress in ML (Alex_Odeychuk) |
| задача машинного обучения | machine learning task (Computerworld Alex_Odeychuk) |
| задача машинного обучения | machine learning problem (Computerworld Alex_Odeychuk) |
| задача обработки текстов на естественном языке в системе искусственного интеллекта с глубоким обучением | text deep learning task (Alex_Odeychuk) |
| задача обучения системы нейронного машинного перевода | NMT training task (Alex_Odeychuk) |
| задача обучения целенаправленному поведению | goal-directed behavior learning task (Alex_Odeychuk) |
| задача обучения целеустремлённого агента | task of training a goal-directed agent (задача обучения целеустремлённого агента в процессе взаимодействия — task of training a goal-directed agent through interaction Alex_Odeychuk) |
| закончить обучение | finish training (theatlantic.com Alex_Odeychuk) |
| закончить обучение | have done training (Alex_Odeychuk) |
| иерархическое обучение | deep structured learning (MichaelBurov) |
| иерархическое обучение | hierarchical learning (MichaelBurov) |
| иерархическое обучение | deep learning (MichaelBurov) |
| имитационная среда для машинного обучения | machine learning agents (Alex_Odeychuk) |
| имитационное обучение | imitation learning (Valeriy_Yatsenkov) |
| имитационное обучение с подкреплением | reinforcement imitation learning (a novel approach combining imitation learning with different types of reinforcement learning methods mdpi.com Alex_Odeychuk) |
| инвестировать в оборудование и НИОКР по теме машинного обучения | invest in machine learning (Alex_Odeychuk) |
| индуктивное обучение | learning from examples (основано на выявлении закономерностей в эмпирических данных Alex_Odeychuk) |
| инженер-разработчик систем машинного обучения | machine learning engineer (cnn.com Alex_Odeychuk) |
| инструменты машинного обучения | machine learning tools (Alex_Odeychuk) |
| интерактивное машинное обучение | interactive machine learning (Alex_Odeychuk) |
| инфраструктура разработки моделей искусственного интеллекта и машинного обучения | framework for artificial intelligence and machine learning (such as Semantic Kernel, Deeplearning4J, djl, and Tribuo infoq.com Alex_Odeychuk) |
| искусственный интеллект и машинное обучение в облаке | AI/ML in the cloud (Alex_Odeychuk) |
| использующий глубокое обучение | deep-learning (A.Rezvov) |
| исследование машинного обучения | machine learning research (из кн.: Браздил П., ван Рейн Я., Соарес К., Ваншорен Х. Метаобучение, 2023 dmkpress.com Alex_Odeychuk) |
| каркас для машинного обучения | machine learning framework (InfoWorld Alex_Odeychuk) |
| качество обучения | learning quality (refers to how well the machine learning algorithm can learn from the training data and generalize to unseen data. It's usually measured by metrics such as accuracy, precision, recall, F1 score, area under the ROC curve (AUC-ROC), mean squared error (MSE), etc., depending on the type of problem (classification, regression, etc.) Alex_Odeychuk) |
| квантовая модель машинного обучения | quantum machine learning model (Alex_Odeychuk) |
| квантовое глубокое обучение | quantum deep learning (Alex_Odeychuk) |
| квантовое машинное обучение | quantum machine learning (Квантовое машинное обучение — это дисциплина, объединяющая нелинейные квантовые системы и классическое машинное обучение. ixbt.com Alex_Odeychuk) |
| квантово-классический алгоритм машинного обучения | quantum-classical machine learning algorithm (Alex_Odeychuk) |
| квантово-классическое машинное обучение | quantum-classical machine learning (Alex_Odeychuk) |
| квантово-классическое машинное обучение | hybrid machine learning (Alex_Odeychuk) |
| квантовый алгоритм машинного обучения | quantum machine learning algorithm (Alex_Odeychuk) |
| классическая модель машинного обучения | classical machine learning model (Alex_Odeychuk) |
| классический алгоритм обучения | classical learning algorithm (Alex_Odeychuk) |
| классический метод машинного обучения | classical machine learning method (Alex_Odeychuk) |
| классическое машинное обучение | classic machine learning (Alex_Odeychuk) |
| конвейер обучения с самоконтролем | self-supervised learning pipeline (Alex_Odeychuk) |
| конкурентное обучение | competitive learning (Alex_Odeychuk) |
| конференция в области алгоритмов обучения и нейросетевых вычислений | conference in the areas of learning algorithms and neural computation (Alex_Odeychuk) |
| крупномасштабное машинное обучение | large-scale machine learning (InfoWorld Alex_Odeychuk) |
| лаборатория алгоритмов глубокого обучения | deep learning lab (Alex_Odeychuk) |
| лаборатория алгоритмов глубокого обучения | deep learning laboratory (Alex_Odeychuk) |
| ложное обучение | shortcut learning (ситуация, когда обученная модель выдает внешне правильные прогнозы, исходя из совершенно неправильных предпосылок, поскольку усвоила более очевидные, но ошибочные закономерности в данных. Например, что ДТП чаще совершают автомобили с нечетными номерами Valeriy_Yatsenkov) |
| локальное машинное обучение | on-device machine learning (as opposed to cloud-based Alex_Odeychuk) |
| масштабируемое машинное обучение | scalable machine learning (Alex_Odeychuk) |
| машинное и глубокое обучение | machine learning and deep learning (Alex_Odeychuk) |
| машинное обучение без учителя | unsupervised learning (MichaelBurov) |
| машинное обучение в облаке | cloud-based machine learning (Alex_Odeychuk) |
| машинное обучение на мобильном устройстве | on-device machine learning (Alex_Odeychuk) |
| машинное обучение нового поколения | new-school machine learning (Alex_Odeychuk) |
| машинное обучение с использованием наборов данных без определённой структуры | unsupervised learning (MichaelBurov) |
| машинное обучение с использованием фотонных технологий | photonic machine learning (nature.com Alex_Odeychuk) |
| машинное обучение с учителем | supervised learning (MichaelBurov) |
| машинное обучение с учителем и без учителя | supervised and unsupervised machine learning (InfoWorld Alex_Odeychuk) |
| Международная конференция по обучению представлениям | International Conference on Representation Learning (Alex_Odeychuk) |
| Международная конференция по обучению представлениям | ICLR (сокр. от "International Conference on Representation Learning" Alex_Odeychuk) |
| метод машинного обучения | machine learning method (singularityhub.com Alex_Odeychuk) |
| метод машинного обучения, основанного на правилах | rule-based machine learning method (Alex_Odeychuk) |
| метод обучения ансамбля | ensemble learning approach (az115) |
| метод обучения с самоконтролем | self-supervised learning method (Alex_Odeychuk) |
| метод последовательного обучения | incremental training algorithm (az115) |
| методы глубокого обучения | deep learning (InfoWorld; контекстуальный перевод на русс. язык Alex_Odeychuk) |
| методы машинного обучения и обработки естественных языков | machine learning and natural language processing techniques (Alex_Odeychuk) |
| методы обучения нейронных сетей | neural network learning techniques (Alex_Odeychuk) |
| методы обучения с подкреплением | reinforcement learning techniques (Alex_Odeychuk) |
| многовариантное обучение | multiple-instance learning (обучение, когда прецеденты могут быть объединены в группы, в каждой из которых для всех прецедентов имеется "ситуация", но только для одного из них (причем, неизвестно какого) имеется пара "ситуация, требуемое решение" Alex_Odeychuk) |
| многозадачное обучение | multi-task learning (одновременное обучение группе взаимосвязанных задач, для каждой из которых задаются свои пары "ситуация, требуемое решение" Alex_Odeychuk) |
| многослойное глубокое обучение | multi-layered deep learning (из кн.: Dawani J. Hands-On Mathematics for Deep Learning, 2020 Alex_Odeychuk) |
| многоцелевая платформа машинного обучения | end-to-end machine learning platform (Alex_Odeychuk) |
| моделирование средствами машинного обучения | machine learning simulation (thenextweb.com Alex_Odeychuk) |
| модель глубокого обучения | deep learning model (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022 Alex_Odeychuk) |
| модель машинного обучения | machine learning model (Alex_Odeychuk) |
| модель машинного обучения | machine learning model (Nature Alex_Odeychuk) |
| модель, определяемая с помощью машинного обучения | machine-learned model (InfoWorld Alex_Odeychuk) |
| модель селективного обучения | selective learning model (Alex_Odeychuk) |
| Монреальский институт алгоритмов обучения | Montreal Institute for Learning Algorithms (искусственных нейронных сетей Alex_Odeychuk) |
| Монреальский институт алгоритмов обучения | MILA (сокр. от "Montreal Institute for Learning Algorithms" Alex_Odeychuk) |
| ... на основе глубокого обучения | deep-learning (New York Times Alex_Odeychuk) |
| на основе глубокого обучения | deep learning based (Alex_Odeychuk) |
| на основе машинного обучения | machine-learning-driven (Alex_Odeychuk) |
| на основе средств машинного обучения | machine-learning-driven (Alex_Odeychuk) |
| набор данных для машинного обучения | deep training data set (singularityhub.com Alex_Odeychuk) |
| набор данных для обучения | training data (Alex_Odeychuk) |
| набор данных для обучения | training set (нейронной сети Alex_Odeychuk) |
| набор программных средств глубокого обучения | deep learning toolkit (Microsoft Alex_Odeychuk) |
| набор технологий машинного обучения | deep learning stack (a collection of software tools, frameworks, and libraries that are used to build and deploy deep learning models. It typically includes tools for data pre-processing, model training, and model deployment: e.g., TensorFlow, PyTorch, Keras, Caffe, and MXNet openai.com Alex_Odeychuk) |
| научные достижения в области машинного обучения | advances within the field of machine learning (Alex_Odeychuk) |
| научный сотрудник в области машинного обучения | researcher in machine learning (Alex_Odeychuk) |
| нейронная сеть с обучением по методу обратного распространения ошибки | back-prop NN (сокр. от "back-propagation neural network" Alex_Odeychuk) |
| нейронная сеть с обучением по методу обратного распространения ошибки | back-propagation neural network (Alex_Odeychuk) |
| нейросеть глубинного обучения | artificial neural network (MichaelBurov) |
| нейросеть глубинного обучения | neural network (MichaelBurov) |
| нейросеть глубинного обучения | connectionist system (MichaelBurov) |
| нейросеть глубинного обучения | deep learning neural network (MichaelBurov) |
| нейросеть глубинного обучения | deep learning network (MichaelBurov) |
| нейросеть глубинного обучения | deep learning net (MichaelBurov) |
| нейросеть глубинного обучения | deep learning neural net (MichaelBurov) |
| нейросеть глубинного обучения | DLN (MichaelBurov) |
| нейросеть глубинного обучения | ANN (MichaelBurov) |
| нейросеть глубокого обучения | deep learning net (MichaelBurov) |
| нейросеть глубокого обучения | deep learning network (MichaelBurov) |
| нейросеть глубокого обучения | neural network (MichaelBurov) |
| нейросеть глубокого обучения | DLN (MichaelBurov) |
| нейросеть глубокого обучения | deep learning neural network (MichaelBurov) |
| нейросеть глубокого обучения | connectionist system (MichaelBurov) |
| нейросеть глубокого обучения | artificial neural network (MichaelBurov) |
| нейросеть глубокого обучения | deep learning neural net (MichaelBurov) |
| нейросеть глубокого обучения | ANN (MichaelBurov) |
| неконтролируемое обучение | unsupervised learning (MichaelBurov) |
| облачная среда машинного обучения | cloud machine learning environment (Alex_Odeychuk) |
| облачное машинное обучение | cloud-based machine learning (Alex_Odeychuk) |
| обратное обучение с подкреплением | inverse reinforcement learning (Valeriy_Yatsenkov) |
| обучать модели глубокого обучения | train deep learning models (многослойные искусственные нейронные сети Alex_Odeychuk) |
| обучаться по алгоритму обучения с подкреплением | be trained using reinforcement learning (which means AI agents are given a reward as they get closer and closer to their goal. This reward is used as a signal that they're doing the right thing, and that whatever they're doing is something to learn for the future Alex_Odeychuk) |
| обучение ансамбля | ensemble learning (az115) |
| обучение ассоциативным правилам | association rule learning (Alex_Odeychuk) |
| обучение без ознакомления | zero shot learning (задача обучения, когда обучающий набор состоит только из знакомых категорий, а тестовый набор содержит как знакомые категории, так и незнакомые. Задача модели – научиться выделять незнакомые категории без предварительного знакомства с ними в обучающих данных. Valeriy_Yatsenkov) |
| обучение без учителя | unsupervised learning (MichaelBurov) |
| обучение в реальном времени с участием оператора | real-time supervised training (financial-engineer) |
| обучение в реальном времени с учителем | real-time supervised training (financial-engineer) |
| обучение на нескольких примерах | few-shot learning (Valeriy_Yatsenkov) |
| обучение на ограниченных примерах | few-shot learning (Valeriy_Yatsenkov) |
| обучение на опыте | learning through experience (A.Rezvov) |
| обучение на опыте | learning by doing (A.Rezvov) |
| обучение на основе коррекции ошибок | error-correction learning (Alex_Odeychuk) |
| обучение на основе многообразий | manifold learning (Alex_Odeychuk) |
| обучение на основе подсказок | prompt-based learning (Alex_Odeychuk) |
| обучение нейронной сети | neural network training (Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что, в случае успешного обучения, сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке. City Monk) |
| обучение нейронной сети без учителя | neural network's unsupervised learning (Alex_Odeychuk) |
| обучение нейронной сети без учителя | unsupervised learning (MichaelBurov) |
| обучение нейронной сети глубокого доверия | deep belief learning (MichaelBurov) |
| обучение нейронной сети с учителем | supervised learning (MichaelBurov) |
| обучение нейронных сетей глубинного доверия | deep belief learning (MichaelBurov) |
| обучение, основанное на правилах | rule learning (Alex_Odeychuk) |
| обучение по одному примеру | one-shot learning (Николенко, Кадурин, Архангельская. "Глубокое обучение. Погружение в мир нейронных сетей" (2018) masizonenko) |
| обучение по прецедентам | learning from examples (основано на выявлении закономерностей в эмпирических данных. Общая постановка задачи обучения по прецедентам: имеется множество объектов (ситуаций) и множество возможных ответов (откликов, реакций). Существует некоторая зависимость между ответами и объектами, но она неизвестна. Известна только конечная совокупность прецедентов – пар "объект, ответ", называемая обучающей выборкой. На основе этих данных требуется восстановить зависимость, то есть построить алгоритм, способный для любого объекта выдать достаточно точный ответ. Для измерения точности ответов определённым образом вводится функционал качества. Данная постановка является обобщением классических задач аппроксимации функций. В классических задачах аппроксимации объектами являются действительные числа или векторы. В реальных прикладных задачах входные данные об объектах могут быть неполными, неточными, нечисловыми, разнородными Alex_Odeychuk) |
| обучение по Хеббу | Hebbian learning (Alex_Odeychuk) |
| обучение по Хеббу с учителем | supervised Hebbian learning (Alex_Odeychuk) |
| обучение представлениям | feature learning (Alex_Odeychuk) |
| обучение представлениям | representation learning (В классическом машинном обучении важные экспертные знания вводятся вручную, однако затем система обучается, организуя вывод данных на основании самостоятельно изученных признаков. При проектировании таких систем искусственного интеллекта большая часть времени тратится на выбор верного обучающего набора данных. Когда знания экспертов удается формализовать, то для получения выходных данных используется обычный классификатор. По сравнению с классическим машинным обучением обучение представлениям делает шаг вперед и исключает необходимость формализации знаний экспертов. Все важные закономерности система определяет самостоятельно на основании введенных данных (напр., в нейронных сетях) sas_proz) |
| обучение преобразованию изображений без учителя | unsupervised learning of image transformations (Alex_Odeychuk) |
| обучение с использованием автоматизированных средств | automated learning (Alex_Odeychuk) |
| обучение с использованием функции полезности | Q-learning (метод, применяемый в искусственном интеллекте при агентном подходе. На основе получаемого от среды вознаграждения агент формирует функцию полезности Q, что впоследствии дает ему возможность уже не случайно выбирать стратегию поведения, а учитывать опыт предыдущего взаимодействия со средой. Одно из преимуществ такого обучения состоит в возможности сравнивать ожидаемую полезность доступных действий, не формируя модели окружающей среды. Применяется для ситуаций, которые можно представить в виде марковского процесса принятия решений. Alex_Odeychuk) |
| обучение с минимальным привлечением учителя | distant supervision (Valeriy_Yatsenkov) |
| обучение с подкреплением | reinforcement learning (a type of machine learning that enables a system to learn by trial and error using feedback from its own actions singularityhub.com Dmitrarka) |
| обучение с подкреплением | RL (сокр. от "reinforcement learning" Alex_Odeychuk) |
| обучение с подкреплением и обратной связью от человека | reinforcement learning with human feedback (rb.ru Alex_Odeychuk) |
| обучение с подкреплением на основе отзывов людей | reinforcement learning with human feedback (Alex_Odeychuk) |
| обучение с подкреплением на основе человеческих предпочтений | reinforcement learning with human feedback (Alex_Odeychuk) |
| обучение с подкреплением с помощью размеренно-поощряющей модели синаптической пластичности, зависимой от времени импульса | RL through reward-modulated STDP (Alex_Odeychuk) |
| обучение с подкреплением сигналами от среды взаимодействия | reinforcement learning (Alex_Odeychuk) |
| обучение с подсказками | prompt-based learning (Alex_Odeychuk) |
| обучение с подсказками | prompt learning (Alex_Odeychuk) |
| обучение с самоконтролем | self-supervised learning (Alex_Odeychuk) |
| обучение с сильной разметкой | strong supervision (обучение с учителем на сильно размеченных данных, т.е. например, в видео целевой объект
вручную отмечен на каждом кадре, это очень дорогой и трудоемкий метод в противоположность weak supervision, когда метки присваивают видео целиком Valeriy_Yatsenkov) |
| обучение с участием оператора | supervised training (напр., искусственной нейронной сети financial-engineer) |
| обучение с учителем | supervised training (напр., искусственной нейронной сети financial-engineer) |
| обучение с частичным привлечением учителя | transduction (когда прогноз предполагается делать только для прецедентов из тестовой выборки Alex_Odeychuk) |
| обучение с частичным привлечением учителя | semi-supervised learning (для части прецедентов задается пара "ситуация, требуемое решение", а для части – только "ситуация" Alex_Odeychuk) |
| обучение сети глубокого доверия | deep belief learning (MichaelBurov) |
| обучение системы нейронного машинного перевода | NMT training (Alex_Odeychuk) |
| обучение со слабой или частичной обратной связью | learning from weak or partial feedback (Alex_Odeychuk) |
| обучение со слабой или частичной обратной связью | bandit Learning (learning from weak or partial feedback Alex_Odeychuk) |
| обучение со слабой разметкой | weak supervision (обучение с учителем на слабо размеченных данных, когда, например, метки присваивают не объекту на каждом кадре видео, а видеоролику в целом, современный недорогой метод в противоположность strong supervision Valeriy_Yatsenkov) |
| обучение целенаправленному поведению | goal-directed behavior learning (Alex_Odeychuk) |
| обученный по методу обучения с подкреплением | trained with reinforcement learning (Nature Alex_Odeychuk) |
| общее обучение без учителя | general unsupervised learning (Alex_Odeychuk) |
| операция автоматизированного обучения | automatic teaching operation (Alex_Odeychuk) |
| опосредованное обучение | distant supervision (Valeriy_Yatsenkov) |
| основанный на методах машинного обучения | powered by machine learning (InfoWorld Alex_Odeychuk) |
| основанный на обучении | learning based (Alex_Odeychuk) |
| основы и тенденции машинного обучения | foundations and trends in machine learning (Alex_Odeychuk) |
| ошибка обучения | training error (sas_proz) |
| парадигма машинного обучения | machine learning paradigm (Alex_Odeychuk) |
| передовой алгоритм машинного обучения | advanced machine learning algorithm (Alex_Odeychuk) |
| перенос глубокого обучения | deep transfer learning (mathnet.ru Alex_Odeychuk) |
| перенос обучения | transfer learning (из кн.: Браздил П., ван Рейн Я., Соарес К., Ваншорен Х. Метаобучение, 2023 masizonenko) |
| перенос обучения без примеров | zero-shot task transfer (из кн.: Мэрфи К.П. Вероятностное машинное обучение: введение. – М., 2022 Alex_Odeychuk) |
| платформа машинного обучения | machine learning platform (Alex_Odeychuk) |
| платформа машинного обучения общего назначения | general-purpose machine learning platform (Alex_Odeychuk) |
| платформа прогнозной аналитики и управления рисками на основе машинного обучения | predictive analytics and risk management platform based on machine learning (Alex_Odeychuk) |
| повторное обучение | re-training (roboflow.com Alex_Odeychuk) |
| последовательность операций обучения | training workflow (gputechconf.com Alex_Odeychuk) |
| последующая задача обучения | downstream learning task (Alex_Odeychuk) |
| потоковое обучение | online learning (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022 Alex_Odeychuk) |
| предвосхищающее обучение | predictive learning (in which machines can learn through observation instead of direct instruction Alex_Odeychuk) |
| привилегированное обучение | learning with privileged information (Alex_Odeychuk) |
| прикладное глубокое обучение | applied deep learning (Alex_Odeychuk) |
| прикладное машинное обучение | applied machine learning (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022 Alex_Odeychuk) |
| прикладные исследования в области машинного обучения | applied research on machine learning (Alex_Odeychuk) |
| приложение крупномасштабного машинного обучения | large-scale machine learning application (Alex_Odeychuk) |
| приложение машинного обучения | machine learning application (Alex_Odeychuk) |
| приложение на основе глубокого обучения | deep learning based application (Alex_Odeychuk) |
| приложение, поддерживающее машинное обучение | ML application (Alex_Odeychuk) |
| приложение, поддерживающее машинное обучение | ML app (Alex_Odeychuk) |
| применять методы машинного обучения | apply machine learning techniques (to + inf. – для + отгл. сущ. Alex_Odeychuk) |
| проводить обучение программного обеспечения для систем искусственного интеллекта | train AI software (Alex_Odeychuk) |
| проводить обучение программного обеспечения для систем искусственного интеллекта | train artificial intelligence software (Alex_Odeychuk) |
| прогнозирование погоды на основе машинного обучения | machine learning-based weather prediction (science.org Alex_Odeychuk) |
| программа машинного обучения | machine learning program (Alex_Odeychuk) |
| программа на основе глубокого обучения | deep-learning-based program (Alex_Odeychuk) |
| программирование обучения на аналогичных примерах | programming by analogous examples (Alex_Odeychuk) |
| программное обеспечение для перевода на основе машинного обучения | machine learning based translation software (forbes.com Alex_Odeychuk) |
| программное обеспечение с элементами искусственного интеллекта и машинного обучения | RPA software (Alex_Odeychuk) |
| программное обеспечение с элементами искусственного интеллекта и машинного обучения | software with AI and machine learning capabilities (Alex_Odeychuk) |
| программный каркас для машинного обучения | machine learning framework (InfoWorld Alex_Odeychuk) |
| прогресс в области машинного обучения | progress in ML (Alex_Odeychuk) |
| процесс непрерывного обучения | continuous learning process (Alex_Odeychuk) |
| процесс обучения нейронной сети без учителя | neural network's unsupervised learning process (Alex_Odeychuk) |
| процесс обучения нейронных сетей | learning process of neural networks (Alex_Odeychuk) |
| работать в области машинного обучения | work in machine learning (ft.com Alex_Odeychuk) |
| разработка алгоритмов машинного обучения | build machine learning algorithms (Computerworld Alex_Odeychuk) |
| разработчик моделей машинного обучения | machine learning model creator (msn.com Alex_Odeychuk) |
| разработчик приложений глубокого обучения | deep learning developer (из кн.: Dawani J. Hands-On Mathematics for Deep Learning, 2020 Alex_Odeychuk) |
| разработчик систем машинного обучения | machine learning system developer (ncsu.edu Alex_Odeychuk) |
| распределённое машинное обучение | distributed machine learning (e.g., SynapseML Alex_Odeychuk) |
| распределённое обучение | distributed training (искусственных нейронных сетей: Applied Machine Learning and High-Performance Computing on AWS, 2022 Alex_Odeychuk) |
| расширенная платформа машинного обучения TensorFlow | TFX (TensorFlow Extended Alex_Odeychuk) |
| расширенная платформа машинного обучения TensorFlow | TensorFlow Extended (Alex_Odeychuk) |
| решение для машинного обучения | machine learning solution (Alex_Odeychuk) |
| с использованием алгоритмов глубокого обучения | using deep learning (Alex_Odeychuk) |
| с обучением | learning based (напр., на наборах данных Alex_Odeychuk) |
| с элементами искусственного интеллекта и машинного обучения | RPA (the idea of robotic process automation (RPA) lies in the use of software with AI and machine learning capabilities; контекстуальный перевод на русс. язык Alex_Odeychuk) |
| селективное обучение | selective learning (Alex_Odeychuk) |
| семинар по глубокому обучению | deep learning workshop (Alex_Odeychuk) |
| система автоматизированного машинного обучения | automated machine learning system (из кн.: Браздил П., ван Рейн Я., Соарес К., Ваншорен Х. Метаобучение, 2023 dmkpress.com Alex_Odeychuk) |
| система глубинного обучения | deep learning system (Alex_Odeychuk) |
| система глубокого обучения | system for deep learning (Microsoft Alex_Odeychuk) |
| система искусственного интеллекта на основе глубокого обучения | deep-learning AI (New York Times Alex_Odeychuk) |
| система искусственного интеллекта на основе глубокого обучения | deep learning system (Alex_Odeychuk) |
| система машинного обучения | machine learning system (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022 Alex_Odeychuk) |
| система машинного обучения | machine learning tool (InfoWorld Alex_Odeychuk) |
| система машинного обучения | machine learning technology (контекстуальный перевод на русс. язык Alex_Odeychuk) |
| скорость обучения | training speed (gputechconf.com Alex_Odeychuk) |
| служба машинного обучения | machine learning service (Alex_Odeychuk) |
| случайное многомодельное глубокое обучение | random multimodel deep learning (Alex_Odeychuk) |
| со средствами машинного обучения | machine learning (CNN Alex_Odeychuk) |
| современное машинное обучение | state-of-the-art machine learning (singularityhub.com Alex_Odeychuk) |
| сообщество специалистов по технологии глубокого обучения | deep learning community (искусственных нейронных сетей Alex_Odeychuk) |
| состязательное обучение | adversarial learning (метод глубокого обучения, который включает обучение двух противоборствующих нейронных сетей. Одна сеть генерирует видео, а другая ищет различия между реальным и сгенерированным видео. Со временем генератор учится обманывать распознавателя и создавать видеоролики, напоминающие, напр., сцены с пляжей, на вокзалах, больницах и полях для гольфа. Например, модель пляжа воспроизводит набегающие волны, а другая модель идущих по траве на поле для гольфа людей Alex_Odeychuk) |
| специалист по вопросам машинного обучения | researcher in machine learning (Alex_Odeychuk) |
| способности к анализу и обучению | analytics and learning capabilities (напр., системы искусственного интеллекта; InfoWorld Alex_Odeychuk) |
| среда машинного обучения | machine learning environment (из кн.: Браздил П., ван Рейн Я., Соарес К., Ваншорен Х. Метаобучение, 2023 dmkpress.com Alex_Odeychuk) |
| средства машинного обучения | machine learning capabilities (InfoWorld Alex_Odeychuk) |
| старший инженер-разработчик, специализирующийся на системах машинного обучения | senior software engineer specializing in machine learning (Alex_Odeychuk) |
| статистическое машинное обучение | statistical machine learning (Alex_Odeychuk) |
| статистическое обучение | statistical learning (essential concepts of statistical learning are classification and regression Alex_Odeychuk) |
| стохастическо-эволюционное обучение | stochastic-evolution learning |
| стратегия глубокого обучения | deep learning strategy (mathnet.ru Alex_Odeychuk) |
| стратегия обучения с подкреплением | reinforcement learning policy (Alex_Odeychuk) |
| стратегия обучения с учителем | supervised learning policy (Alex_Odeychuk) |
| структура набора данных для обучения | structure of the training data (IBM Alex_Odeychuk) |
| теория машинного обучения | theory of machine learning (Alex_Odeychuk) |
| теория статистического обучения | statistical learning theory (Alex_Odeychuk) |
| технология глубокого обучения | deep learning (InfoWorld; контекстуальный перевод на русс. язык Alex_Odeychuk) |
| технология глубокого обучения | deep learning technology (Alex_Odeychuk) |
| технология машинного обучения | machine learning technology (machine learning is a type of artificial intelligence that enables computers to learn to perform tasks and make predictions without explicit programming Alex_Odeychuk) |
| трансдуктивное обучение | transduction (обучение с частичным привлечением учителя, когда прогноз предполагается делать только для прецедентов из тестовой выборки Alex_Odeychuk) |
| трансферное обучение | transfer learning (regnum.ru dimock) |
| улучшать свои результаты с помощью обучения на основе опыта | improve through experience (CNN Alex_Odeychuk) |
| управляемое конфликтами обучение дизъюнктам | conflict-driven clause learning (Alex_Odeychuk) |
| управляемое обучение | guided learning (разновидность обучения с частичным привлечением учителя, когда коэффициенты из параллельно обучаемой с учителем модели периодически копируют в модель, обучаемую без учителя, формируя своего рода управляющий сигнал, который ориентирует пространство встраивания основной модели Valeriy_Yatsenkov) |
| файл, содержащий набор данных для обучения | training file (IBM Alex_Odeychuk) |
| формирование рассуждений и обучение ассоциативной памяти | associative memory learning and reasoning (TechRepublic, 2018 Alex_Odeychuk) |
| функции машинного обучения | machine learning functions (Alex_Odeychuk) |
| хакатон по квантовому машинному обучению | quantum machine learning hackathon (qhack.ai Alex_Odeychuk) |
| цепочка операций обучения | training workflow (gputechconf.com Alex_Odeychuk) |
| чрезмерное обучение | overfitting (искусственной нейронной сети Alex_Odeychuk) |
| эластичный метод обучения | resilient training (az115) |
| энтузиаст машинного обучения | machine learning geek (Alex_Odeychuk) |
| этика в области машинного обучения | ethics in machine learning (Alex_Odeychuk) |
| эффективность обучения | learning performance (Alex_Odeychuk) |
| эффективность обучения | learning efficiency (In the context of machine learning, it refers to how quickly the machine learning algorithm can learn from the data. In the context of quantum machine learning, this also refers to the speedup that quantum algorithms can potentially provide over classical algorithms.) |
