-
AvailableBusyAbsentNot defined
Twip battle - Наборщик текстов на дому - VS - Создание предиктивных
Наборщик текстов на дому
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.
Создание предиктивных или классифицирующих моделей
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