Искать по свойству

На этой странице предоставлен простой интерфейс просмотра для нахождения сущностей по описанным свойствам и именованным значениям. Другие доступные интерфейсы поиска включают в себя страницу поиск свойств и построитель поисковых запросов.

Список результатов

• Библиосет: публикационная активность ВВГУ  + (Научная статья)

• Cities (dataset)  + (Обращение к данным из Snap! - we can play with data - Перемещение по карте, возможно использование карт для представление информации на страницах вики.)
• Машинное обучение платформы  + (Обучение модели (Training) — Использование … Обучение модели (Training)</br>— Использование датасета для тренировки модели. Например, тренировка классификатора изображений на наборе фотографий с метками.</br>Тестирование модели (Testing / Validation)</br>— Проверка качества модели на отложенной части данных, чтобы оценить её точность и обобщающую способность.</br>Определение гиперпараметров (Hyperparameter tuning)</br>— Использование различных частей датасета для автоматической настройки параметров модели через кросс-валидацию или другие методы.</br>Обнаружение аномалий</br>— Анализ данных для поиска необычных или неправильных образцов.</br>Обогащение данных (Data enrichment)</br>— Расширение модели за счёт дополнительных данных, например, добавление новых изображений или текстов.</br>Улучшение модели (Model refinement)</br>— Использование новых данных для дообучения или обновления модели, чтобы повысить её точность.</br>Обучение с подкреплением</br>— Использование датасета для симуляции среды, в которой агент учится принимать решения.</br>Обучение мультимодальных моделей</br>— Использовать датасеты, включающие несколько типов данных (например, изображения и текст), для обучения мультимодальных систем.кст), для обучения мультимодальных систем.)
• Lobster (fish-dataset)  + (Описание экспериментов https://nicholasjho … Описание экспериментов https://nicholasjhorton.github.io/K12-Data-Tools/ - Using an adaptation of a framework proposed by McNamara (2019), we grouped the tools into related genres. Spreadsheets, while familiar and accessible to many, lacked many desirable features. Visual tools (e.g., CODAP, Social Explorer, iNZight) lower the barrier for data exploration, but may not easily support more advanced statistical tests. Scripting tools (e.g., Python, Pyret, R) provide great flexibility but with increased degree of difficulty.y but with increased degree of difficulty.)
• Взаимное копирование МЭШ (датасет)  + (Патаракин Е.Д., Буров В.В. Незримый колледж МЭШ // Вестник Мгпу. Серия: Информатика И Информатизация Образования. 2022. № 2 (60). 38-52 https://www.elibrary.ru/item.asp?id=49058657)
• Invisible College Scopus (dataset)  + (Патаракин Е.Д., Буров В.В. “Незримый колледж” МЭШ // Вестник Мгпу. Серия: Информатика И Информатизация Образования. 2022. № 2 (60). 38-52 https://www.elibrary.ru/item.asp?id=49058657)
• Graduates  + (Социально-экономическая статистика и эконометрика)
• Billionaires (dataset)  + (Эксперименты в Snap! - распределение признаков при помощи библиотеки Frequency Distribution Analysis)