Active Learning

Active LearningНажми для увеличения фото

Рекомендательный сервис

  • Общий рейтинг 4.99
  • Рейтинг покупателей 3.91
  • Рейтинг экспертов 4.49
  • Качество материалов 4.94
  • Надежность 4.99
  • Простота в использовании 4.44
  • Ремонтопригодность 4.25
  • Эффективность выполнения своих функций 4.29
  • Коэффициент удивления "Вау!" 4.99
  • Безопасность для пользователя4.19
  • Внешний вид 4.54
  • Удобство в уходе и чистке 4.42
  • Экологическая безопасность 4.43
  • Гарантия на товар 4.44
  • Соответствие стандартам качества 4.94
  • Инновационные технологии 4.41
  • Хит продаж 4.99
  • Скорость морального устаревания 4.92
  • Энергоэффективность 4.24
  • Универсальность использования 4.90
  • Наличие дополнительных функций 4.43
  • Соотношение цена-качество 3.44
  • Практичность и удобство хранения 4.99
  • Стабильность работы в различных условиях 4.31
  • Возможность персонализации 4.00
  • Ликвидность 4.29
  • Индекс рекомендаций 3.44
The key idea behind active learning is that a machine learning algorithm can perform better with less training if it is allowed to choose the data from which it learns. An active learner may pose «queries,» usually in the form of unlabeled data instances to be labeled by an «oracle» (e.g., a human annotator) that already understands the nature of the problem. This sort of approach is well-motivated in many modern machine learning and data mining applications, where unlabeled data may be abundant or easy to come by, but training labels are difficult, time-consuming, or expensive to obtain. This book is a general introduction to active learning. It outlines several scenarios in which queries might be formulated, and details many query selection algorithms which have been organized into four broad categories, or «query selection frameworks.» We also touch on some of the theoretical foundations of active learning, and conclude with an overview of the strengths and weaknesses of these approaches in practice, including a summary of ongoing work to address these open challenges and opportunities. Table of Contents: Automating Inquiry / Uncertainty Sampling / Searching Through the Hypothesis Space / Minimizing Expected Error and Variance / Exploiting Structure in Data / Theory / Practical Considerations
Информация о характеристиках, комплекте поставки, стране изготовления, внешнем виде и цвете товара носит справочный характер и взятая из открытых источников.
Active Learning продается в интернет-магазине ЛитРес
Эксперт: Ринат К., ассистент по интернет-покупкам
Дата рецензии: 2 января 2026 года
Рекомендация к покупке нейтральная

Доставка покупки

    • В электронном виде;
    • Читать онлайн;
    • Скачать на компьютер или мобильные устройства.

Оплата заказа

    • Банковской картой;
    • электронными деньгами Яндекс-Деньги; WebMoney, Qiwi Кошелек, PayPal;
    • Наличными через терминалы;
    • Банковским переводом.
  • Наименование: ООО «ЛитРес»
  • ИНН: 7719571260

Часто задаваемые вопросы

Проверьте наличие на Маркете.
Оплатить покупку возможно банковскими картами, банковским переводом, наличными при получении. Перечень всех способов оплаты доступен при оформлении заказа.
Да, в соответствии с законом «О защите прав потребителей» вы можете вернуть товар надлежащего качества в течение 14 дней с момента покупки, если он не был в употреблении, сохранены упаковка, ярлыки и товарный вид, и при этом не входит в перечень товаров, не подлежащих возврату или обмену (утверждённый Постановлением Правительства РФ №55).
На большинство товаров предоставляется гарантия от производителя. Срок гарантии указан в описании товара.

Рекомендуем аналогичные товары

Дополнительно из категории