The Practice of Crowdsourcing

دانلود کتاب The Practice of Crowdsourcing

دسته: سایبرنتیک: هوش مصنوعی

37000 تومان موجود

کتاب تمرین جمع سپاری نسخه زبان اصلی

دانلود کتاب تمرین جمع سپاری بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد

این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 11


توضیحاتی در مورد کتاب The Practice of Crowdsourcing

نام کتاب : The Practice of Crowdsourcing
ویرایش : 1
عنوان ترجمه شده به فارسی : تمرین جمع سپاری
سری : Synthesis Lectures on Information Concepts, Retrieval, and Services
نویسندگان :
ناشر : Morgan & Claypool Publishers
سال نشر : 2019
تعداد صفحات : 151
ISBN (شابک) : 1681735237 , 9781681735238
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 7 مگابایت



بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.

توضیحاتی در مورد کتاب :


بسیاری از برنامه های کاربردی فشرده داده که از یادگیری ماشین یا تکنیک های هوش مصنوعی استفاده می کنند ، به انسان بستگی دارد که مجموعه داده های اولیه را ارائه می دهند و الگوریتم ها را قادر می سازد تا بقیه یا سایر انسانها را برای ارزیابی عملکرد چنین الگوریتم ها پردازش کنند. نه تنها داده های برچسب زده شده برای آموزش و ارزیابی می توانند سریعتر ، ارزان تر و آسان تر از گذشته جمع آوری شوند ، بلکه اکنون شاهد ظهور نرم افزارهای ترکیبی انسان و ماشین های ترکیبی هستیم که محاسبات انجام شده توسط انسان و ماشین را در رابطه با هم ترکیب می کند. با این حال ، موضوعات عملی در دنیای واقعی با اتخاذ محاسبات انسانی و شلوغی وجود دارد. سیستم های ساختمانی و خطوط لوله پردازش داده ها که نیاز به محاسبات جمعیت دارند ، همچنان دشوار است. در این کتاب ، ما ملاحظات عملی را برای طراحی و اجرای وظایف ارائه می دهیم که نیاز به استفاده از انسان و ماشین در ترکیب با هدف تولید برچسب های با کیفیت بالا دارند.


توضیحاتی در مورد کتاب به زبان اصلی :


Many data-intensive applications that use machine learning or artificial intelligence techniques depend on humans providing the initial dataset, enabling algorithms to process the rest or for other humans to evaluate the performance of such algorithms. Not only can labeled data for training and evaluation be collected faster, cheaper, and easier than ever before, but we now see the emergence of hybrid human-machine software that combines computations performed by humans and machines in conjunction. There are, however, real-world practical issues with the adoption of human computation and crowdsourcing. Building systems and data processing pipelines that require crowd computing remains difficult. In this book, we present practical considerations for designing and implementing tasks that require the use of humans and machines in combination with the goal of producing high-quality labels.



پست ها تصادفی