“Data is increasingly tagged and ca

“Data is increasingly tagged and categorized on the Web – as people upload and use data they are also contributing to annotation through their comments and digital footprints. This annotated data is greatly facilitating the training of machine learning algorithms without demanding that the machine-learning experts manually catalogue and index the world. Thanks to computers with massive parallelism, we can use the equivalent of crowdsourcing to learn which algorithms create better answers. For example, when IBM’s Watson computer played ‘Jeopardy!,’ the system used hundreds of scoring engines, and all the hypotheses were fed through the different engines and scored in parallel. It then weighted the algorithms that did a better job to provide a final answer with precision and confidence.”

ผลลัพธ์ (ไทย) 1:

"ข้อมูลเรื่อย ๆ แท็ก แล้วจัดหมวดหมู่บนเว็บ – เป็นคนอัปโหลดและใช้ข้อมูลที่พวกเขาจะยังเอื้อต่อการอธิบายผ่านความคิดเห็นและรอยเท้าดิจิตอล ข้อมูลนี้ประกอบมากคืออำนวยความสะดวกการฝึกอบรมของดัชนีโลกและเครื่องเรียนรู้อัลกอริทึมโดยไม่เรียกร้องที่ผู้เชี่ยวชาญการเรียนรู้ของเครื่องแคตตาล็อกด้วยตนเอง จากคอมพิวเตอร์ที่มีขนาดใหญ่ขนาน เราสามารถใช้เทียบเท่ากับระบบการเรียนรู้อัลกอริทึมซึ่งสร้างคำตอบดีกว่า ตัวอย่างเช่น เมื่อคอมพิวเตอร์ของ IBM Watson เล่น ' อันตราย!,' ร้อยประตูเครื่องยนต์ใช้ระบบ และสมมติฐานทั้งหมดถูกป้อนผ่านเครื่องมือต่าง ๆ และในขนาน มันน้ำหนักแล้วอัลกอริทึมที่ได้งานดีเพื่อให้คำตอบสุดท้าย ด้วยความแม่นยำและมั่นใจ "

ผลลัพธ์ (ไทย) 2:

"ข้อมูลถูกแท็กและจัดหมวดหมู่มากขึ้นบนเว็บ - เป็นคนที่อัปโหลดและใช้ข้อมูลพวกเขายังมีส่วนร่วมในการบันทึกย่อผ่านความเห็นและรอยเท้าดิจิตอลของพวกเขา ข้อมูลข้อเขียนนี้จะอำนวยความสะดวกในการฝึกอบรมอย่างมากของขั้นตอนวิธีการเรียนรู้เครื่องโดยไม่ต้องเรียกร้องให้ผู้เชี่ยวชาญด้านเครื่องการเรียนรู้ด้วยตนเองแคตตาล็อกและดัชนีโลก ขอขอบคุณที่เครื่องคอมพิวเตอร์ที่มีขนาดใหญ่ขนานเราสามารถใช้เทียบเท่า crowdsourcing ที่จะเรียนรู้ซึ่งขั้นตอนวิธีการสร้างคำตอบที่ดี ตัวอย่างเช่นเมื่อคอมพิวเตอร์ของไอบีเอ็มวัตสันเล่น 'อันตราย !,' ระบบที่ใช้หลายร้อยเครื่องมือการให้คะแนนและสมมติฐานทั้งหมดที่ได้รับการเลี้ยงดูผ่านเครื่องมือที่แตกต่างกันและให้คะแนนในแบบคู่ขนาน จากนั้นขั้นตอนวิธีการถ่วงน้ำหนักที่ได้งานที่ดีกว่าที่จะให้คำตอบสุดท้ายที่มีความแม่นยำและความเชื่อมั่น. "

ผลลัพธ์ (ไทย) 3:

" ข้อมูลมากขึ้นและจัดหมวดหมู่บนเว็บ–เป็นคนอัพโหลด และใช้ข้อมูลที่พวกเขายังสนับสนุนการจัดการผ่านความคิดเห็นของพวกเขาและรอยเท้าดิจิตอล นี้แสดงข้อมูลอย่างมากอำนวยความสะดวกการฝึกอบรมของอัลกอริทึมการเรียนรู้ของเครื่องจักร โดยไม่ต้องการให้เครื่องผู้เชี่ยวชาญด้านการเรียนรู้ด้วยตนเอง หนังสือดัชนีโลก ขอบคุณคอมพิวเตอร์ที่มีความใหญ่ เราสามารถใช้เทียบเท่าของ crowdsourcing เพื่อเรียนรู้ซึ่งขั้นตอนวิธีสร้างคำตอบ ตัวอย่างเช่นเมื่อ IBM Watson คอมพิวเตอร์เล่น " อันตราย ! " ระบบที่ใช้หลายร้อยเครื่องมือการให้คะแนน และข้อมูลทั้งหมดถูกป้อนผ่านเครื่องมือต่างๆ และให้คะแนนในแบบคู่ขนาน มันก็หนักขั้นตอนวิธีที่ไม่ได้งานที่ดีให้คำตอบสุดท้ายกับความเที่ยงตรงและความเชื่อมั่น "