English-Russian dictionary - terms added by user Alex_Odeychuk: 131.407 << | >>
1.07.2023 | 18:57:45 | AI. | classical machine learning method | классический метод машинного обучения |
1.07.2023 | 18:55:01 | quant.el. | quantum computing environment | среда квантовых вычислений |
1.07.2023 | 18:53:46 | progr. | quantum optimisation algorithm | квантовый алгоритм оптимизации |
1.07.2023 | 18:52:56 | math. | solution of partial differential equations | решение дифференциальных уравнений в частных производных |
1.07.2023 | 18:52:12 | Cloud. | quantum computing infrastructure | инфраструктура квантовых вычислений (an environment which performs computations using quantum phenomena such as superposition, entanglement, tunnelling etc.) |
1.07.2023 | 18:51:17 | AI. | classical machine learning model | классическая модель машинного обучения |
1.07.2023 | 18:50:05 | AI. | bidirectional long short-term memory | двунаправленная долгая краткосрочная память (consists of two long short-term memories, one taking input in a forward direction, and the other in a backwards direction and their power relies on the fact of knowing what outputs follow and precede immediately after and before, respectively, of a given input in a signal) |
1.07.2023 | 18:48:21 | quant.el. | parametrised quantum circuit | параметрическая квантовая схема (The majority of deep neural network algorithms use parametrised quantum circuits and this term is now used equivalently with the term quantum neural networks. The parametrised quantum circuits can be designed to describe patterns that relate the quantum encoded classical input to the state of a readout.) |
1.07.2023 | 17:42:39 | AI. | quantum deep learning | квантовое глубокое обучение |
1.07.2023 | 17:37:05 | quant.el. | adiabatic quantum computing | адиабатные квантовые вычисления (вычисления на квантовом процессоре с адиабатным охлаждением) |
1.07.2023 | 17:35:33 | AI. | quantum classification | квантовая классификация |
1.07.2023 | 17:34:43 | AI. | classical learning algorithm | классический алгоритм обучения |
1.07.2023 | 17:33:41 | AI. | generative pre-training | генеративное предобучение |
1.07.2023 | 17:30:23 | scient. | highly specialized content | узкоспециализированная информация |
1.07.2023 | 17:26:35 | AI. | quantum-classical machine learning | квантово-классическое машинное обучение |
1.07.2023 | 17:26:02 | AI. euph. | hybrid machine learning | квантово-классическое машинное обучение |
1.07.2023 | 17:25:07 | math. | high-dimensional regression | регрессия высокой размерности |
1.07.2023 | 17:16:02 | Cloud. | quantum computing center | центр квантовых вычислений |
1.07.2023 | 17:11:33 | AI. | handwritten text recognition | распознавание рукописных изображений |
1.07.2023 | 17:10:37 | AI. | multiclass classification problem | задача многоклассовой классификации |
1.07.2023 | 17:09:24 | AI. | quantum machine learning algorithm | квантовый алгоритм машинного обучения |
1.07.2023 | 17:02:02 | AI. | learning quality | качество обучения (refers to how well the machine learning algorithm can learn from the training data and generalize to unseen data. It's usually measured by metrics such as accuracy, precision, recall, F1 score, area under the ROC curve (AUC-ROC), mean squared error (MSE), etc., depending on the type of problem (classification, regression, etc.)) |
1.07.2023 | 17:01:05 | AI. | learning performance | эффективность обучения |
1.07.2023 | 16:56:11 | R&D. | clear comparison | чёткое сравнение (The author has constructed a clear comparison of classical learning algorithms and their quantum counterparts, thus making differences in computational complexity and learning performance apparent. — Автор дал чёткое сравнение классических алгоритмов обучения и их квантовых аналогов, что позволяет увидеть различия в вычислительной сложности и эффективности обучения.) |
1.07.2023 | 16:49:06 | R&D. | researcher involved in the field | исследователь, работающий в этой области |
1.07.2023 | 16:37:55 | R&D. | be hard to follow | быть трудным для понимания (for ... – кем именно: Theoretical advances in quantum computing are hard to follow for computer scientists, and sometimes even for researchers involved in the field. — Теоретические наработки в области квантовых вычислений трудны для понимания программистами, а иногда даже исследователями, работающими в этой области.) |
1.07.2023 | 16:30:58 | R&D. | emergent interdisciplinary body of research | новое междисциплинарное направление исследований (The lack of a step-by-step guide hampers a broad understanding of this emerging interdisciplinary field of research. — Отсутствие пошагового руководства затрудняет широкое понимание этого нового междисциплинарного направления исследований.) |
1.07.2023 | 16:26:14 | AI. | strong background in machine learning | глубокие знания в области машинного обучения |
1.07.2023 | 16:25:48 | quant.el. | strong background in quantum computing | глубокие знания в области квантовых вычислений |
1.07.2023 | 15:53:22 | scient. | theoretical advances | научно-теоретические наработки |
1.07.2023 | 15:50:44 | AI. | applied research on machine learning | прикладные исследования в области машинного обучения |
1.07.2023 | 15:42:50 | neur.net. | layer-wise algorithm | алгоритм послойного обучения (из кн.: Головко В.А. Нейросетевые технологии обработки данных, 2017) |
1.07.2023 | 15:39:53 | neur.net. | deep recurrent convolutional neural network | глубокая рекуррентная свёрточная нейронная сеть (из кн.: Головко В.А. Нейросетевые технологии обработки данных, 2017) |
1.07.2023 | 15:34:53 | neur.net. | deep convolutional neural network | глубокая свёрточная нейронная сеть (из кн.: Головко В.А. Нейросетевые технологии обработки данных, 2017) |
1.07.2023 | 15:33:52 | neur.net. | deep perceptron | глубокий персептрон (из кн.: Головко В.А. Нейросетевые технологии обработки данных, 2017) |
1.07.2023 | 15:33:04 | AI. | deep belief neural network | нейронная сеть глубокого доверия (из кн.: Головко В.А. Нейросетевые технологии обработки данных, 2017) |
1.07.2023 | 15:12:24 | AI. | sequence-to-sequence model | модель обработки последовательных данных |
1.07.2023 | 15:02:30 | ling. | abstractive summarization | реферирование (из кн.: Мэрфи К.П. Вероятностное машинное обучение: введение. – М., 2022) |
1.07.2023 | 15:01:32 | AI. | zero-shot task transfer | перенос обучения без примеров (из кн.: Мэрфи К.П. Вероятностное машинное обучение: введение. – М., 2022) |
1.07.2023 | 3:04:15 | math. | nested partitioning | вложенное разбиение (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022) |
1.07.2023 | 3:03:16 | AI. | cross-categorization | перекрёстная категоризация (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022) |
1.07.2023 | 2:54:40 | math. | numerical optimization technique | метод численной оптимизации (Watt J., Borhani R., Katsaggelos A. Machine Learning Refined: Foundations, Algorithms, and Applications, 2016) |
1.07.2023 | 2:54:06 | scient. | cutting-edge | на переднем крае науки |
1.07.2023 | 2:41:55 | math. | root mean squared propagation | распространение ошибки корня из среднеквадратической ошибки (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022) |
1.07.2023 | 2:38:39 | AI. | adaptive moment estimation | адаптивное оценивание импульса (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022) |
1.07.2023 | 2:32:45 | AI. | decision tree boosting | бустирование с деревьями решений (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022 ucmerced.edu) |
1.07.2023 | 2:26:45 | spam email | спамная электронная почта (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022) | |
1.07.2023 | 2:23:17 | math. | multiclass softmax | многоклассовый мягкий максимум (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022) |
1.07.2023 | 2:22:01 | AI. | online learning | потоковое обучение (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022) |
1.07.2023 | 2:19:54 | math. | softmax cost | стоимость мягкого максимума (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022) |
1.07.2023 | 2:17:52 | math. | softmax logistic regression | мягкомаксимумная логистическая регрессия (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022 umd.edu) |
1.07.2023 | 2:14:04 | math. | gradient boosting | бустирование градиента (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022: gradient boosting regression — регрессия посредством бустирования градиента • gradient boosting for regression — бустирование градиента для регрессии • gradient boosting for classification — бустирование градиента для классификации • Gradient boosting is one of the most effective methods for solving classification and regression problems. — Бустирование градиента – один из наиболее эффективных методов решения задач классификации и регрессии. paperspace.com) |
1.07.2023 | 2:12:01 | math. | softmax function | функция мягкого максимума (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022) |
1.07.2023 | 2:12:01 | math. context. | softmax | функция мягкого максимума (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022) |
1.07.2023 | 2:10:19 | AI. | machine learning system developer | разработчик систем машинного обучения (ncsu.edu) |
1.07.2023 | 2:06:38 | AI. | boosting | бустирование (из кн.: Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения. – СПб., 2022) |
1.07.2023 | 1:55:42 | AI. | leveraging algorithm | алгоритм максимального использования |
1.07.2023 | 1:54:58 | AI. | recursive majority gate formulation | рекурсивное доминирование |
1.07.2023 | 1:53:13 | AI. | adaptive resampling and combining | адаптивная перевыборка и комбинирование |
1.07.2023 | 1:47:41 | AI. | model-agnostic meta-learning | метаобучение, не зависящее от модели (из кн.: Мэрфи К.П. Вероятностное машинное обучение: введение. – М., 2022) |
1.07.2023 | 1:32:16 | ed. USA | federal student loan program | федеральная программа студенческих кредитов (cnn.com) |
1.07.2023 | 1:29:01 | law | illegal way | незаконный способ (cnn.com) |
1.07.2023 | 1:22:58 | law | right way | способ сделать правильно (There's a right way and there's an illegal way. — Есть способ сделать правильно и есть незаконный способ. cnn.com, ivistroy.ru) |
1.07.2023 | 1:20:33 | ed. USA | student loan forgiveness program | программа списания долгов по студенческим кредитам (cnn.com) |
1.07.2023 | 1:17:24 | bank. | borrower's disposable income | располагаемый доход заёмщика (доход заёмщика после уплаты налогов cnn.com) |
1.07.2023 | 0:43:39 | law | friend-of-the-court brief | независимое экспертное заключение (icrc.org, cnn.com) |
1.07.2023 | 0:30:19 | formal | public square | публичное пространство (The U.S. Supreme Court rightly reaffirmed that the government can’t force citizens to say things they don’t believe. The court reiterated that it’s unconstitutional for the government to eliminate from the public square ideas it dislikes. — Верховный Суд США справедливо подтвердил, что государство не может заставлять граждан говорить то, во что они не верят. Суд вновь подчеркнул, что неконституционно исключать из публичного пространства идеи, которые не нравятся государству. cnn.com) |
30.06.2023 | 23:08:51 | ed. | introductory-level college math background | базовые знания университетского уровня по математике |
30.06.2023 | 23:08:11 | ed. Ukraine | upper-level undergraduate | студент старших курсов бакалаврата |
30.06.2023 | 23:07:55 | ed. Russia | upper-level undergraduate | студент старших курсов бакалавриата |
30.06.2023 | 23:04:22 | stat. | probabilistic modeling toolkit | набор инструментов вероятностного моделирования (из кн.: Мэрфи К.П. Вероятностное машинное обучение: введение. – М., 2022) |
30.06.2023 | 22:55:51 | lit. | self-contained introduction | законченное введение (self-contained introduction to the field of machine learning — законченное введение в область машинного обучения) |
30.06.2023 | 22:52:59 | stat. | entropy of Gaussian distribution | энтропия гауссова распределения (из кн.: Мэрфи К.П. Вероятностное машинное обучение: введение. – М., 2022) |
30.06.2023 | 22:48:54 | stat. | Bayesian decision theory | байесовская теория принятия решений (из кн.: Мэрфи К.П. Вероятностное машинное обучение: введение. – М., 2022) |
30.06.2023 | 21:43:45 | stat. | probabilistic machine learning | вероятностное машинное обучение (из кн.: Мэрфи К.П. Вероятностное машинное обучение: введение. – М., 2022) |
30.06.2023 | 21:43:07 | stat. | sigmoid function | логистическая функция (из кн.: Мэрфи К.П. Вероятностное машинное обучение: введение. – М., 2022) |
30.06.2023 | 18:27:58 | Cloud. | using high-performance compute | с использованием высокопроизводительных вычислений (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 18:21:07 | gen. | identify gaps | выявить пробелы |
30.06.2023 | 18:20:32 | stat. | coverage of official statistics | охват официальной статистикой |
30.06.2023 | 18:20:12 | stat. | openness of official statistics | открытость официальной статистики |
30.06.2023 | 18:19:40 | gen. | rigorous assessment | точная оценка |
30.06.2023 | 18:19:40 | gen. | rigorous assessment | скрупулёзная оценка |
30.06.2023 | 18:19:40 | gen. | rigorous assessment | тщательная оценка |
30.06.2023 | 18:10:01 | dat.proc. | large-scale search | масштабный поиск (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 18:08:14 | math. | multidimensional objective function | многомерная целевая функция (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 18:07:13 | math. | non-convexity | невыпуклость (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 18:06:20 | Cloud. | today's compute resources | современные вычислительные ресурсы (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 18:04:24 | dat.proc. | find a reasonable solution | найти приемлемое решение (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 18:03:44 | dat.proc. | highly compute-intensive | требующий высокоинтенсивных вычислений (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 17:54:48 | mil. | regular force | регулярная армия |
30.06.2023 | 17:43:48 | progr. | user-defined set of rules | пользовательский набор правил |
30.06.2023 | 17:43:48 | progr. | user-defined rule set | пользовательский набор правил |
30.06.2023 | 17:39:57 | math. | hill climbing | поиск восхождением к вершине (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 17:37:47 | dat.proc. | numerical optimization algorithm | алгоритм численной оптимизации (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 17:35:43 | dat.proc. | large genomic data | большие данные по геномике (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 17:30:12 | AI. | real-time inference | логический вывод в реальном времени (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 17:28:19 | Cloud. | edge computing | вычисления на периферийных устройствах (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 17:27:18 | Cloud. | edge deployment | развёртывание на периферийных устройствах (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 17:25:47 | Cloud. | machine learning model endpoint | конечная точка для вызова модели машинного обучения (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |
30.06.2023 | 17:24:18 | Cloud. | real-time endpoint | конечная точка обработки данных в реальном времени (из кн.: Applied Machine Learning and High-Performance Computing on AWS, 2022) |