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

• Segregation (model)  + ( # Процент похожих # Процент счастливых )

• Мотивация – как фактор управления профессиональным развитием педагогических работников общеобразовательной организации  + ( # Тип задачи # Задача # Название инструмента # Количество упоминаний )
• Цифровые инструменты учителей  + ( # Тип задачи, # Задача, # Название цифрового инструмента # Количество упоминаний )
• Leaders & Followers (model)  + ( # Численность свободных агентов # Численность в группе харизматиков 1 # Численность в группе харизматиков 2 )
• Модель Лотки — Вольтерры  + ( # численность травы # численность овец # численность волков )
• Graduates  + ( * Year - год выпуска * Education.Major - специальность * Salaries.Median - медианная зарплата * Demographics.Total - количество выпускников * Salaries.Mean * Salaries.Highest * Salaries.Lowest )
• Publishers (Dataset)  + (1. "genre", 2. "sold by", 3. "daily average.amazon revenue", 4. "daily average.author revenue", 5. "daily average.gross sales", 6. "daily average.publisher revenue", 7. "daily average.units sold", 8. "publisher.name")
• Ethnocentrism (model)  + (1. Количество этноцентричных 2. Количество альтруистов 3. Количество эгоистов 4. Количество космополитов)
• GenderDeSegregationSchool  + (; numbers of male and female teachers and pupils in these schools in 1950 Название "ADENAU" 6.929 50.382 101 47 2 3 "AHRWEIPJ" 7.091 50.535 262 0 12 1 "AHRWEIU" 7.097 50.542 0 307 1 18)
• PokemonDataset  + (ID for each pokemon #: Name: Name of each … ID for each pokemon</br>#: Name: Name of each pokemon;</br>#: Type 1: Each pokemon has a type, this determines weakness/resistance to attacks;</br>#: Type 2: Some pokemon are dual type and have 2;</br>#: Total: sum of all stats that come after this, a general guide to how strong a pokemon is;</br>#: HP: hit points, or health, defines how much damage a pokemon can withstand before fainting;</br>#: Attack: the base modifier for normal attacks (eg. Scratch, Punch);</br>#: Defense: the base damage resistance against normal attacks;</br>#: SP Atk: special attack, the base modifier for special attacks (e.g. fire blast, bubble beam);</br>#: SP Def: the base damage resistance against special attacks;</br>#: Speed: determines which pokemon attacks first each round;es which pokemon attacks first each round;)
• Вовлеченность студентов при использовании LearningApps  + (LearningApps # 1.1. Поддерживает мой интер … LearningApps</br># 1.1. Поддерживает мой интерес к дисциплине</br># 1.2. Помогает мне сосредоточиться на содержании темы</br># 1.3. Улучшает мои знания</br># 2.1. Поддерживает мое внимание</br># 2.2. Автоматическая проверка результатов повышает мою самостоятельность в обучении</br># 2.3. Технологически простая работа</br># 3.1. Мне нравится работать с приложением</br># 3.2. Помогает мне повысить успеваемость</br># 3.3. Напоминает мне игру</br># 4.1. Поддерживает мое взаимодействие с другими студентами</br># 4.2. Поддерживает мое взаимодействие с преподавателем</br># 4.3. Поддерживает мой статус современного студентадерживает мой статус современного студента)
• COVID (dataset 1)  + (Type: Confirmed/Deaths/Recovered CountryOr … Type: Confirmed/Deaths/Recovered</br>CountryOrRegion</br>ProvinceOrState (we currently have the province or state breakdown for US, Canada, and China)</br>County (we currently have the county breakdown for US)</br>Code: the ISO Alpha 2 code of the country or state</br>Lat: geo latitude of the location</br>Long: geo longitude of the location</br>Source (ignored for now)</br>The remaining columns provide historic values remaining columns provide historic values)
• Машинное обучение платформы  + (Название проекта / датасета — Уникальное и … Название проекта / датасета</br>— Уникальное имя для идентификации проекта или набора данных.</br>Описание</br>— Краткое описание целей, особенностей или содержания проекта/датасета.</br>Тип данных</br>— Категории данных: изображение, текст, числовые, категориальные, временные серии и др.</br>Источник данных</br>— Название файла, путь к хранилищу, URL, или описание источника данных.</br>Формат данных</br>— CSV, JSON, изображение (JPEG, PNG), аудио, видео и др.</br>Размер датасета</br>— Количество образцов, строк, изображений, часов записи и др.</br>Группировка данных / Разделение</br>— Процентное соотношение для обучения, валидации и тестирования (например, 70/15/15).</br>Метки / метки классов (Label) / Аннотации</br>— Названия категорий, описание классов или аннотаций.</br>Параметры обработки</br>— Трансформации, нормализация, аугментация данных.</br>Гиперпараметры модели</br>— Количество слоев, learning rate, размер пакета, регуляризация и др.</br>Цели и метрики</br>— Задачи (классификация, регрессия), метрики оценки (точность, F1-score, RMSE).</br>Дата создания / обновления</br>— Время загрузки или изменения данных/проекта.</br>Дополнительные параметры</br>— Пользовательские настройки, специальные компоненты, требования к окружению (GPU, CPU).оненты, требования к окружению (GPU, CPU).)
• DetectiveStudio (dataset)  + (Описание полей # ID # Title # User_ID # User_Name)
• Студия Collab Challenge (dataset)  + (Поля: # ID - # NAME - название проекта # USER_ID # USER_NAME - имя автора)
• Собирание учеников в классы  + (Численность учеников в классах # Черный # Красный # Желтый)