Terminų žodynas

Adaptyvusis mokymasis

Kas yra Adaptyvusis mokymasis?

Adaptyvusis mokymasis – tai mokymosi programos, kurios nuolat prisitaiko prie besimokančiojo žinių, tempo ir klaidų. Programinė įranga analizuoja atsakymus ir tada parenka tinkamas užduotis, paaiškinimus ar kartojimą. Jis naudojamas mokyklose, universitetuose ir įmonių mokymuose, pavyzdžiui, kai platforma, neteisingai atsakius į užduotį, automatiškai pasiūlo lengvesnį tarpinį žingsnį. Mašininiame mokymesi šis terminas taip pat apibūdina modelius, kurie nuolat prisitaiko prie naujų duomenų.

Temos

Švietimas
Personalizavimas
E. mokymasis

Išbandykite KI.ordo

Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.

Pradėti demonstraciją

← Visi terminai

Susiję terminai

DI pagrįsta grįžtamoji informacija mokiniams

DI pagrįsta grįžtamoji informacija mokiniams – tai DI sistemos pagal apibrėžtus kriterijus sugeneruoti komentarai apie rašinius, užduotis ar projektus. Besimokantieji greičiau gauna pastabų apie stipriąsias puses, struktūrą, argumentaciją ar kalbą, o mokytojai atleidžiami nuo pasikartojančio taisymo. Vertinimas turėtų būti skaidrus ir grįstas kriterijais; pažymiai ir sprendimai dėl pasiekimų lieka mokytojų atsakomybė. Pavyzdys: rašinio juodraštis prieš pateikiant gauna patobulinimo pasiūlymų.

Švietimas
Feedback
+1

Šablonas

Mokymosi kreivė

Mašininiame mokymesi mokymosi kreivė – tai diagrama, rodanti modelio veikimą ar paklaidą per mokymo laiką arba pagal mokymo duomenų kiekį, paprastai atskirai mokymo ir validavimo duomenims. Jos forma atskleidžia, ar modelis nepakankamai ar per daug prisitaikęs ir ar daugiau duomenų greičiausiai padės. Jei, pavyzdžiui, validavimo paklaida išlieka gerokai aukštesnė už mokymo paklaidą, tai rodo persimokymą. Kasdienėje kalboje šis terminas taip pat apibūdina, kaip greitai žmonės įsisavina naują technologiją.

Training
Modelio vertinimas
+1

Mašininis mokymasis

Mašininis mokymasis yra dirbtinio intelekto šaka, kurioje kompiuteriai dėsningumus išveda iš duomenų, o ne turi aiškiai užprogramuotą kiekvieną taisyklę. Priklausomai nuo užduoties, modeliai mokosi iš pažymėtų pavyzdžių (su priežiūra), iš nepažymėtų duomenų (be priežiūros) arba per atlygius (sustiprintas mokymasis). Taikymai apima nuo šlamšto filtrų ir paklausos prognozių iki produktų rekomendacijų. Kokybė labai priklauso nuo mokymo duomenų kiekio ir kokybės.

pagrindai
DI
+1