اکسپرس 24
ترجمه فارسی مقاله انتخاب گروهی آگاه از سخت‌افزار برای ایجاد تعادل بین دقت پیش‌بینی و هزینه

ترجمه فارسی مقاله انتخاب گروهی آگاه از سخت‌افزار برای ایجاد تعادل بین دقت پیش‌بینی و هزینه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Hardware Aware Ensemble Selection for Balancing Predictive Accuracy and Cost
عنوان مقاله به فارسی انتخاب گروهی آگاه از سخت‌افزار برای ایجاد تعادل بین دقت پیش‌بینی و هزینه
نویسندگان Jannis Maier, Felix Möller, Lennart Purucker
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 5 August, 2024; originally announced August 2024. , Comments: Accepted at Third International Conference on Automated Machine Learning (AutoML 2024), Workshop Track; for code, see https://github.com/Atraxus/HA-ES
توضیحات به فارسی ارسال شده در 5 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: در سومین کنفرانس بین المللی یادگیری خودکار ماشین (AUTOML 2024) ، آهنگ کارگاه پذیرفته شده است.برای کد ، به https://github.com/atraxus/ha-es مراجعه کنید

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 600,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Automated Machine Learning (AutoML) significantly simplifies the deployment of machine learning models by automating tasks from data preprocessing to model selection to ensembling. AutoML systems for tabular data often employ post hoc ensembling, where multiple models are combined to improve predictive accuracy. This typically results in longer inference times, a major limitation in practical deployments. Addressing this, we introduce a hardware-aware ensemble selection approach that integrates inference time into post hoc ensembling. By leveraging an existing framework for ensemble selection with quality diversity optimization, our method evaluates ensemble candidates for their predictive accuracy and hardware efficiency. This dual focus allows for a balanced consideration of accuracy and operational efficiency. Thus, our approach enables practitioners to choose from a Pareto front of accurate and efficient ensembles. Our evaluation using 83 classification datasets shows that our approach sustains competitive accuracy and can significantly improve ensembles' operational efficiency. The results of this study provide a foundation for extending these principles to additional hardware constraints, setting the stage for the development of more resource-efficient AutoML systems.

چکیده به فارسی (ترجمه ماشینی)

یادگیری خودکار ماشین (AUTOML) با استفاده از اتوماسیون وظایف از پیش پردازش داده ها تا انتخاب مدل به گروه ، به طور قابل توجهی استقرار مدل های یادگیری ماشین را ساده می کند.سیستم های AUTOM برای داده های جداول اغلب از گروه های تعقیم پست استفاده می کنند ، که در آن چندین مدل برای بهبود دقت پیش بینی ترکیب می شوند.این به طور معمول منجر به زمان استنباط طولانی تر ، محدودیت عمده در استقرار عملی می شود.با پرداختن به این موضوع ، ما یک رویکرد انتخاب گروه آگاه سخت افزاری را معرفی می کنیم که زمان استنتاج را در گروه های تعقیب و گریز ادغام می کند.با استفاده از یک چارچوب موجود برای انتخاب گروه با بهینه سازی تنوع با کیفیت ، روش ما نامزدهای گروه را برای دقت پیش بینی کننده و کارآیی سخت افزار خود ارزیابی می کند.این تمرکز دوگانه امکان توجه متعادل از دقت و کارآیی عملیاتی را فراهم می کند.بنابراین ، رویکرد ما پزشکان را قادر می سازد از جلوی پارتو از گروههای دقیق و کارآمد انتخاب کنند.ارزیابی ما با استفاده از 83 مجموعه داده طبقه بندی نشان می دهد که رویکرد ما دقت رقابتی را حفظ می کند و می تواند کارایی عملیاتی گروه ها را به میزان قابل توجهی بهبود بخشد.نتایج این مطالعه پایه ای برای گسترش این اصول به محدودیت های سخت افزاری اضافی ، تعیین مرحله برای توسعه سیستم های اتوماتیک با منابع بیشتر است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.