から学習する - 英語 への翻訳

• learn from
• learns from

日本語 での から学習する の使用例とその 英語 への翻訳

文化的な情報の伝達は、ある個体がより多くの経験をもった他の個体から学習する際や、多くの個体が特定の行動様式をローカルな基準として受け入れるようになる場合に生じる。
Cultural transmission of information occurs when individuals learn from others with more experience or when individuals come to accept particular modes of behavior as the local norm.

IBMワトソン（Watson）のテクノロジーを搭載したルーボは、人間のやりとりを理解し、またそこから学習することができ、最終的には生身の労働力が不要になる。
Which was designed using IBM Watson technology, can understand and learn from human interactions, ultimately making the flesh-and-blood workforce redundant.

エンボス加工は何か新生児の子供はそれの世話を自分の親から学習すると、それは親から学習し、どのように異なる状況を処理することです。
Embossing is when something newborn kid learns from one's parent who takes care of it, it learns from the parent and how to handle different situations.

Karthikは、このプロセスを「レンズ効果」と呼び、ドメイン専門家の人間の視点やレンズを抽出し、トレーニング時間中にデータと抽出されたレンズの両方から学習するアルゴリズムに適合させます。
Karthik calls this process'lensing', of extracting the human perspective or lens of a domain expert and fit it to algorithms that learn from both the data and the extracted lens, all during training time.

近い将来、MLはさらに多くのタスクを自動化し、過去のインタラクションから学習するので、このステップの数は3に減る可能性があります。
In the near future, as ML automates more tasks and learns from previous interactions, the number of steps might be compressed to three.

簡単に言うとネコのような特定の物の訓練用画像をコンピュータに与えてそれらの画像から学習するモデルを設計するんです。
In its simplest terms, imagine this teaching process as showing the computers some training images of a particular object, let's say cats, and designing a model that learns from these training images.

MNCは最貧困層から学習することができるだけでなく、革新を第1層に至るまでの市場に移転することができる。
Not only can MNCs leverage learning from the bottom of the pyramid, but they also have the capacity to transfer innovations up-market all the way to Tier 1.

AIに関して特に興味深いのは、コンピュータがデータのパターンに基づいて判断を行うために機械学習アルゴリズムを作り出すプロセスで、このとき、コンピュータは自らが行うビッグデータ解析から学習するという点にあります。
Of particular interest and a subset of AI is the process by which computers create machine learning algorithms to make decisions based on patterns in data, thus learning from the big data analysis they perform.

近似ベイズ推論チーム|理化学研究所データから学習する原理を理解し、それらを用いて生き物のように学習することができるアルゴリズムの開発を目指しています。
Our main goal is to understand the principles of learning from data and use them to develop algorithms that can learn like living beings.

機械に自らの経験から学習する能力を与えることは、ロボットが工場から家庭やオフィス、病院など、より予測困難な環境へ進出する支援の鍵にもなる、とアビール准教授は言います。
Giving machines the ability to learn from their experience is also the key to helping robots move from factory floors to less predictable environments, such as our homes, offices and hospitals, Abbeel says.

観測データ：ビッグデータから学習するための最初のステップは、長年にわたり社会調査のために使用されてきたデータのより広範なカテゴリの一部であることを実現することです。
A first step to learning from big data is realizing that it is part of a broader category of data that has been used for social research for many years: observational data.

Hadoopは、（機械学習と呼ばれる）送り込まれ続けるデータから学習する頭の良いプログラムを構築することを可能にする強力なプラットフォームです。
Hadoop is a powerful platform that allows you to build smart programs to learn from the data that is constantly being streamed into it(called machine learning)..

観測データ：ビッグデータから学習するための最初のステップは、長年にわたり社会調査のために使用されてきたデータのより広範なカテゴリの一部であることを実現することです。
A first step to learning from big data is to realize that it is part of a broader category of data that has been used for social research for many years: observational data.

しかし、彼の父はいつもは、ビジネスではなく、正しいパスされ、読んでいるので、私の弟と私は、この機会を幼い頃から学習する必要を感じた。
But his father always felt that business was not the right path, reading is, so my brother and I, have the opportunity to learn from an early age.

これが我らの初めての教師なし学習の例だからだ。そこではラベル付けされたデータではなく、ラベル付けされていないデータから学習する。
This will be exciting because this is our first unsupervised learning algorithm where we learn from unlabeled data instead of the label data.

環境から学習するのみならず、冒しているリスクを判断できる機械の構築は、よりスマートなロボットを構築する鍵である、とUCバークレー校の電子工学およびコンピューターサイエンス学部のセルゲイレビーン(SergeyLevine)助教授は説明します。
Building machines that can not only learn from their environment, but judge the risks that they're taking is key to building smarter robots, explained Sergey Levine, an assistant professor at the Department of Electrical Engineering and Computer Sciences at UC Berkeley.

あなたの癖や嗜好から学習するテレマティックスサービスから、実際のドライブパターンに基づく利用形態ベースの保険料モデル、路面状況や渋滞情報を共有できる車のネットワークに至るまで、当社の目的は生活をより快適なものにすることだ」という。
From telematics services that learn from your habits and preferences, to use-based insurance pricing models that respond to actual driving patterns, to connected vehicle networks that can share road condition and traffic information, our goal is to deliver services that make lives easier.'.

機械学習は、コンピュータにデータから学習する能力を与える研究分野であり、ほとんどすべての科学分野の中核をなすものであり、データからの一般化（つまり予測）の研究は、機械学習の中心的なトピックです。
Machine Learning, the field of study that gives computers the ability to learn from data, is at the heart of almost every scientific discipline, and the study of generalization(that is, prediction) from data is the central topic of machine learning..

具体的には、学習の初めにさらにいくつかのラベルの付いた手本を受信することができます分類を促進することを提案する-その後から学習する幼児の能力を強化して手本にもラベルが付いていません。
Specifically, we propose that receiving even a few labeled exemplars at the beginning of learning can facilitate categorization- by enhancing infants' ability to learn from subsequent, unlabeled exemplars as well.

人工的知能と生物学的知能との間のこのギャップを埋めるためのいくつかの鍵は、ラベルのないデータから学習する能力(教師なし学習)、ならびに以前の課題を解決することで得られた強力な事前知識を基にして、その知識を新しい課題に移転する能力(移転学習)です。
Several keys to bridging this gap between artificial and biological intelligence lie in the human ability to learn from unlabelled data(unsupervised learning), as well as to build on strong prior knowledge gained from solving previous tasks, and to transfer that knowledge to new tasks(transfer learning)..