Twip battle - Наборщик текстов на дому - VS - Создание предиктивных

Как и любая сфера деятельности набор текста не обычное постукивание по клавишам, а имеет несколько разновидностей и каждая из них по своему имеет свою сложность исполнения. Деление на виды происходит от источников, которые необходимо перевести в цифровой формат, а проще - напечатать в электронный документ.

1.    Набор текста с аудиозаписей;

2.    Набор текста с видеозаписей;

3.    Набор текста с рукописей;

4.    Набор текста с печатных источников.

Предиктивная модель - эффективный инструмент поддержки принятия бизнес-решений. Создание такой модели - процесс поиска закономерностей с использованием алгоритмов машинного обучения (Mashine Lerning) в существующем наборе исторических данных (обучение модели) для предсказания наиболее вероятных вариантов развития событий в будущем (применение модели).

Классифицирующая модель позволяет разбить большой массив данных на группы (классы), характеризующиеся сходным набором признаков, используя явные и неявные закономерности. Применение такой модели, позволяет, например, определить группы пользователей, характеризующихся определенным поведением и сделать им предложения, интересные именно для них.

Для обеспечения качества работы модели необходим тщательный отбор и подготовка входных данных. Также может возникнуть необходимость во внешних данных. Результатом моей работы будет:

1) сама модель в формате, определяемом выбранной моделью (например, в случае линейных моделей это будет вектор весов каждого из факторов. Вес фактора определяет степень его влияния на результат)

2) отчет о валидности (точности предсказания) модели

3) файл с результатами применения модели к исследуемому набору данных