Fogalomtár

Adaptív tanulás

Mi a(z) Adaptív tanulás?

Az adaptív tanulás olyan tanulási programokat jelent, amelyek folyamatosan alkalmazkodnak a tanuló tudásához, tempójához és hibáihoz. A szoftver elemzi a válaszokat, majd megfelelő gyakorlatokat, magyarázatokat vagy ismétlést választ ki. Iskolákban, egyetemeken és vállalati képzéseken alkalmazzák – például amikor egy platform egy rosszul megválaszolt feladat után automatikusan egy könnyebb közbenső lépést kínál. A gépi tanulásban a kifejezés olyan modelleket is jelöl, amelyek folyamatosan alkalmazkodnak az új adatokhoz.

Témák

Oktatás
Személyre szabás
E-learning

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása

← Minden fogalom

Kapcsolódó fogalmak

MI-alapú hallgatói visszajelzés

Az MI-alapú hallgatói visszajelzés olyan megjegyzéseket jelent, amelyeket egy MI-rendszer ír esszékhez, feladatokhoz vagy projektekhez meghatározott szempontok szerint. A tanulók gyorsabban kapnak támpontokat az erősségekről, a szerkezetről, az érvelésről vagy a nyelvről, a tanárok pedig mentesülnek az ismétlődő értékelőmunka alól. Az értékelésnek átláthatónak és szempontalapúnak kell lennie; az osztályzatokért és a teljesítményről szóló döntésekért a tanárok felelnek. Példa: egy esszévázlat a beadás előtt fejlesztési javaslatokat kap.

Oktatás
Feedback
+1

Sablon

Tanulási görbe

A gépi tanulásban a tanulási görbe olyan diagram, amely egy modell teljesítményét vagy hibáját mutatja a tanítási idő vagy a tanítóadatok mennyisége függvényében, általában külön a tanító- és a validációs adatokra. Alakja elárulja, hogy a modell alulillesztett vagy túlillesztett-e, és hogy több adat valószínűleg segítene-e. Ha például a validációs hiba jóval a tanítási hiba felett marad, az túlillesztésre utal. A mindennapi nyelvben a kifejezés azt is jelöli, milyen gyorsan sajátítják el az emberek egy új technológiát.

Training
Modellértékelés
+1

Gépi tanulás

A gépi tanulás a mesterséges intelligencia egyik ága, amelyben a számítógépek mintázatokat vezetnek le az adatokból ahelyett, hogy minden szabályt kifejezetten beprogramoznának. A feladattól függően a modellek címkézett példákból (felügyelt), címkézetlen adatokból (felügyelet nélküli) vagy jutalmakon keresztül (megerősítéses) tanulnak. Az alkalmazások a spamszűrőktől és kereslet-előrejelzésektől a termékajánlásokig terjednek. A minőség nagymértékben függ a tanítóadatok mennyiségétől és minőségétől.

alapok
MI
+1