အာရုံကြောကွန်ရက်များသည် မရှိမဖြစ်ဘေးကင်းမှုနှင့် ကြံ့ခိုင်မှုလိုအပ်ချက်များကို ဖြည့်ဆည်းပေးနိုင်ကြောင်း သေချာစေရန်အတွက် သတ်မှတ်ချက်-မောင်းနှင်သော စက်သင်ယူမှုတွင် အဘယ်အခန်းကဏ္ဍက ပါဝင်သနည်း၊၊ ဤသတ်မှတ်ချက်များကို မည်သို့ကျင့်သုံးနိုင်မည်နည်း။
အင်္ဂါနေ့၊ ဇွန် ၁၀ ရက်
by EITCA အကယ်ဒမီ
Specification-driven machine learning (SDML) သည် အာရုံကြောကွန်ရက်များ မရှိမဖြစ်လိုအပ်သော ဘေးကင်းမှုနှင့် ကြံ့ခိုင်မှုလိုအပ်ချက်များကို ပြည့်မီကြောင်း သေချာစေရန်အတွက် အဓိကအခန်းကဏ္ဍမှပါဝင်သည့် ပေါ်ထွက်လာသောချဉ်းကပ်မှုတစ်ခုဖြစ်သည်။ စနစ်ချို့ယွင်းမှု၏အကျိုးဆက်များဖြစ်သည့် အလိုအလျောက်မောင်းနှင်မှု၊ ကျန်းမာရေးစောင့်ရှောက်မှုနှင့် အာကာသယာဉ်များကဲ့သို့သော ဘေးအန္တရာယ်ဖြစ်စေနိုင်သော ဒိုမိန်းများတွင် ဤနည်းစနစ်သည် အထူးအရေးကြီးပါသည်။ စက်သင်ယူမှုတွင် တရားဝင်သတ်မှတ်ချက်များကို ပေါင်းစပ်ခြင်းဖြင့်
- Published in ပြည်တွင်းသတင်း ဉာဏ်ရည်တု, EITC/AI/ADL အဆင့်မြင့်နက်ရှိုင်းသောသင်ယူမှု, တာဝန်သိဆန်းသစ်တီထွင်မှု, တာဝန်ရှိဆန်းသစ်တီထွင်မှုနှင့်အတုထောက်လှမ်းရေး, စာမေးပွဲသုံးသပ်ချက်
အောက်တွင် tag လုပ်ခဲ့သည်
ဉာဏ်ရည်တု, တရားဝင်အတည်ပြုခြင်း, အာရုံကြောကွန်ယက်များ, ကြံ့ခိုင်, လုံခွုံမှု, SDML

