機械学習モデル - 英語 への翻訳

• machine learning models
• machine-learning model
• machine learning model

日本語 での 機械学習モデル の使用例とその 英語 への翻訳

医学および眼科の専門家によって非常に注目された研究として、私達は、網膜像から心血管リスクを評価することができる機械学習モデルに関する研究を発表しました。
In work that medical and eye specialists found quite remarkable, we also published research on a machine learning model that can assess cardiovascular risk from retinal images.

トレードおよびエキスパートプランのCNDトークン保有者は、Cindicatorプラットフォームの最も正確な機械学習モデルのひとつにより処理された指標を受け取ります。
CND token holders on the Trader and Expert plans will receive indicator processed by one of the most accurate machine learning models of the Cindicator platform.

更新する機械学習モデルのパラメーターの検証および抽出-MATLABvalidatedUpdateInputs-MathWorks日本コーダーコンフィギュアラーオブジェクトを使用して、機械学習モデルの関数predictおよびupdateに対するC/C++コードを生成します。
Validate and extract machine learning model parameters to update- MATLAB validatedUpdateInputs- MathWorks Generate C/C++ code for the predict and update functions of a machine learning model by using a coder configurer object.

機械学習から除外設定を使用すると、特定のユーザに関連付けられた今後のメールと行動が、機械学習モデルやサードパーティのデータ強化の対象となりません。
The Excluded from Machine Learning setting doesn't factor in future email and events associated with a particular person into machine-learning models and third-party data enrichment.

活動の成果は、AcronisActiveProtectionの機械学習モデルや、先日リリースされたAcronisTrueImage2019CyberProtectionなどの製品のアップデートにも反映されている。
The findings are added to the machine learning models of Acronis Active Protection, which is then updated in products such as Acronis True Image 2019 Cyber Protection.

ユーザーが自分のデータを一貫して管理でき、同時にプライヴァシーを保護しつつ機械学習モデルにおいてデータを利用できるようにする──わたしたちには、その手助けができます」。
We can help users to maintain control of their data and at the same time to enable data to be utilized in a privacy preserving way for machine learning models,” she said.

また、バッチアルゴリズムとストリーミングのアルゴリズムがまったく異なる結果を生成する、非常に複雑な状況（機械学習モデル、エキスパートシステム、またはリアルタイムで異なる方法で実行する必要がある本質的に非常に高価な操作を使用する）もあります。
There are also some very complex situations where the batch and streaming algorithms produce very different results(using machine learning models, expert systems, or inherently very expensive operations that must be performed differently in real-time) which would require using Lambda.

TensorFlowは、サーバのラックから小型のIoTデバイスまで、常に多くのプラットフォーム上で動作していますが、機械学習モデルの採用が過去数年間で急激に増加しているため、モバイルデバイスや組み込みデバイスに展開する必要があります。
TensorFlow has always run on many platforms, from racks of servers to tiny IoT devices, but as the adoption of machine learning models has grown exponentially over the last few years, so has the need to deploy them on mobile and embedded devices.

これらの検索対象の概念をあらかじめ機械学習モデルに組み込むのではなく、エンドユーザーが後から新しい検索概念を作成し、特定のケースで重要と思われる概念を検索できるよう検索アルゴリズムをカスタマイズ可能な形式で開発しました。
Rather than requiring that these concepts be built into the machine learning model, we instead developed a method that enables end-users to create new concepts post-hoc, customizing the search algorithm towards concepts they find important for each specific use case.

BluePrismのデジタルワークフォースでは柔軟なデータパイプラインソリューションの構築が可能であり、実行中の業務プロセスのデータを(Pub/Sub統合によって)BigQueryやCloudStorageに渡し、データ分析や機械学習モデルの訓練を容易にサポートすることができます。
Blue Prism's Digital Workforce enables flexible data pipeline solutions, where data can be passed into BigQuery(via the Pub/Sub integration) or Cloud Storage- in flight from a business process, to easily facilitate the analysis of data and training of machine learning models.

LoopEdgeによって、PLC、DCS、センサーなどの産業用システムからのデータや履歴データを収集し、これらのデータを基に、オフライン優先で導入したイベント処理、Lambda機能、機械学習モデルといった全てアプリーションをローカル環境で実行することができます。
LoopEdge lets you collect data from industrial systems like PLC, DCS, sensors or historians and run applications locally on top of the data, such as event processing, Lambda functions, machine learning models, and more- all in an offline first deployment.

さらに、MLTKには、オープンソースおよび独自アルゴリズム用のパブリック機械学習API、および、機械学習モデル構築を開始する前にお客様がお持ちのデータを準備し、クリーニングするためのデータ準備モジュールが含まれています。
In addition, the MLTK now includes public machine learning APIs for open source and proprietary algorithms, and a data prep module to help customers prepare and clean their data before initiating machine learning modeling.

モバイルデバイスのビッグデータとモバイル広告領域に注力するVponは、社内に専門のビッグデータ最適化チームを有し、モバイル広告のビッグデータ処理及び分析技術を自社開発して、機械学習モデルと最適化演算法を確立しており、一日に10億回の広告リクエストを処理するビッグデータ処理能力を備えています。
With strong focuses on big data and mobile advertising on mobile devices, the company owns professional big data optimum team which is in charge of independent R&D on big data processing and analysis technologies and establishment of machinery learning models and colony optimization. Thus the team is capable of big data processing intelligence as 1 billion times of advertising requests daily.

機械学習モデルをバージョニングする。
Versioning a machine learning model.

機械学習モデルをアップロードする。
Uploading a machine learning model.

機械学習モデルには脆弱性がある。
Machine learning models also have privacy vulnerabilities.

わずか数分で機械学習モデルをデプロイする。
Build machine learning models in minutes.

スケーラブルな分散型機械学習モデルを作成します。
Write distributed machine learning models that scale.

WatsonMachineLearning内で機械学習モデルを作成します。
Create the machine learning model in Watson Machine Learning..

(WIP)機械学習モデルの性能を評価および可視化する。
Evaluate and visualize machine learning model performance(work in progress).