کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
Active learning (AL) has shown promise for being a particularly data-efficient machine learning approach. Yet, its performance depends on the application and it is not clear when AL practitioners can expect computational savings. Here, we carry out a systematic AL performance assessment for three diverse molecular datasets and two common scientific tasks: compiling compact, informative datasets and targeted molecular searches. We implemented AL with Gaussian processes (GP) and used the many-body tensor as molecular representation. For the first task, we tested different data acquisition strategies, batch sizes and GP noise settings. AL was insensitive to the acquisition batch size and we observed the best AL performance for the acquisition strategy that combines uncertainty reduction with clustering to promote diversity. However, for optimal GP noise settings, AL did not outperform randomized selection of data points. Conversely, for targeted searches, AL outperformed random sampling and achieved data savings up to 64%. Our analysis provides insight into this task-specific performance difference in terms of target distributions and data collection strategies. We established that the performance of AL depends on the relative distribution of the target molecules in comparison to the total dataset distribution, with the largest computational savings achieved when their overlap is minimal.
چکیده به فارسی (ترجمه ماشینی)
یادگیری فعال (AL) نوید را نشان داده است که یک رویکرد یادگیری ماشین به ویژه با کارآیی داده است.با این حال ، عملکرد آن به کاربرد بستگی دارد و مشخص نیست چه زمانی پزشکان AL می توانند انتظار پس انداز محاسباتی را داشته باشند.در اینجا ، ما یک ارزیابی عملکرد سیستماتیک AL را برای سه مجموعه داده مولکولی متنوع و دو کار علمی متداول انجام می دهیم: گردآوری مجموعه داده های جمع و جور ، آموزنده و جستجوی مولکولی هدفمند.ما AL را با فرآیندهای گاوسی (GP) پیاده سازی کردیم و از تانسور بسیاری از بدن به عنوان بازنمایی مولکولی استفاده کردیم.برای اولین کار ، ما استراتژی های مختلف دستیابی به داده ها ، اندازه دسته ای و تنظیمات نویز GP را آزمایش کردیم.AL نسبت به اندازه دسته کسب بی حساس بود و ما بهترین عملکرد AL را برای استراتژی دستیابی که ترکیبی از کاهش عدم اطمینان با خوشه بندی را برای ارتقاء تنوع مشاهده می کنیم ، مشاهده کردیم.با این حال ، برای تنظیمات بهینه نویز GP ، AL از انتخاب تصادفی نقاط داده بهتر عمل نکرد.در مقابل ، برای جستجوهای هدفمند ، AL از نمونه گیری تصادفی بهتر عمل کرده و تا 64 ٪ پس انداز داده را به دست آورد.تجزیه و تحلیل ما بینشی در مورد این تفاوت عملکرد خاص کار از نظر توزیع هدف و استراتژی های جمع آوری داده ها ارائه می دهد.ما مشخص کردیم که عملکرد AL به توزیع نسبی مولکول های هدف در مقایسه با توزیع کل مجموعه داده ها بستگی دارد ، با بیشترین پس انداز محاسباتی که در هنگام همپوشانی آنها حداقل 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
