מאַכן מאַשין לערנען אַרבעט פֿאַר בלאָקטשיין

הייַנט, ווי מאַשין לערנען טעקניקס זענען וויידלי געווענדט צו אַ קייט פון אַפּלאַקיישאַנז, מאַשין לערנען איז געווארן וויכטיק פֿאַר אָנליין באַדינונגס.

מאָרפוואַרע איז אַ דיסענטראַלייזד מאַשין לערנען סיסטעם וואָס ריוואָרדז אָונערז פון אַקסעלעראַטאָרס דורך לאָקשן אַוועק זייער ליידיק קאַמפּיוטינג מאַכט און דערנאָך פאַסילאַטייץ די פֿאַרבונדן סאַב-רוטינז, וואָס קענען זיין אויף ביכאַף פון די דאַטן סייאַנטיס צו באַן און פּרובירן די מאַשין לערנען מאָדעלס אין אַ דיסענטראַלייזד קאַפּאַציטעט.

טייפּס פון מאַשין לערנען מאָדעלס אַרייַננעמען סופּערווייזד האַלב- אָדער אַנסופּערווייזד לערנען אַלגערידאַמז.

די טריינינג פון אַ סופּערווייזד לערנען אַלגערידאַם קענען זיין געזען ווי אַ זוכן פֿאַר די אָפּטימאַל קאָמבינאַציע פון ​​ווייץ צו צולייגן צו אַ גאַנג פון ינפּוץ אָדער פאָרויסזאָגן אַ דיזייראַבאַל רעזולטאַט.

די ימפּאַטאַס פון דעם אַרבעט איז די קאַמפּיוטיישאַנאַל קאַמפּלעקסיטי. ייַזנוואַרג וואָס איז גענוצט צו ופפירן ווידעא שפּילערייַ קענען אויך פאַרגיכערן די טריינינג פון סופּערווייזד לערנען אַלגערידאַמז.

וואָס איז מאָרפוואַרע?

איינער פון די הויפּט פראבלעמען אין מאַשין לערנען מאָדעלס איז די קאַמפּיוטיישאַנאַל רעסורסן פארלאנגט צו לויפן די מערסט מאָדערן ווערקלאָודז פֿאַר מאַשין לערנען זענען דאַבלינג בעערעך יעדער דריי-און-אַ האַלב חדשים.

צו אַדרעס דעם אַרויסגעבן, Morphware דעוועלאָפּס אַ ייַנקוקנ-צו-ייַנקוקנ נעץ וואָס אַלאַוז פּראַקטיסינג דאַטן סייאַנטיס, מאַשין לערנען ענדזשאַנירז און קאָמפּיוטער וויסנשאַפֿט סטודענטן צו באַצאָלן ווידעא שפּיל פּלייַערס אָדער אנדערע צו באַן מאָדעלס אויף זייער ביכאַף.

כאָטש ייַזנוואַרג מאשינען העלפּינג דאַטן סייאַנטיס פאַרגיכערן די אַנטוויקלונג פון מאַשין לערנען מאָדעלס, די הויך פּרייַז פון די ייַזנוואַרג אַקסעלערייטערז איז אויך אַ שלאַבאַן פֿאַר פילע דאַטן סייאַנטיס.

וואָס זענען מאַשין לערנען מאָדעלס?

מאַשין לערנען מאָדעלס קענען בייַטן לויט גראַד פון השגחה און פּאַראַמעטעריזאַטיאָן. דער ציל פון טריינינג אַ סופּערווייזד-פּעראַמאַטערייזד מאָדעל איז צו נידעריקער דער טעות קורס וואָס ספּאַנס די נומעריקאַל דיסטאַנסע צווישן אַ פּראָגנאָז און אַ אָבסערוואַציע.

טראַינינג אַ מאַשין לערנען מאָדעל איז ימפּלאַמענאַד דורך פאַר-פּראַסעסינג, און נאכגעגאנגען דורך טעסטינג. דאַטן סייאַנטיס צעטיילן די דאַטן וואָס זענען בארעכטיגט פֿאַר מאַשין לערנען מאָדעלס בשעת זיי טריינינג פון די דאַטן וואָס זענען בארעכטיגט פֿאַר זיי בעשאַס זייער טעסטינג.

דעריבער, עס קענען זיין געזען אַז דער מאָדעל טוט נישט אָוווערפיט די גאַנג פון בנימצא דאַטן, ווי געזונט ווי פּערפאָרמאַנסיז, וואָס קען זיין ערגער אויף ומבאַמערקט דאַטן.

נאָרמאַללי, טריינינג און טעסטינג דאַטן זענען אויסגעקליבן פֿון דער זעלביקער טעקע אָדער וועגווייַזער אין פאַר-פּראַסעסינג.

דער געבורט פון טיף לערנען איז דער גרויס קלאַפּ פון מאָדערן ווי אַ פאַנדאַמענטאַלי נייַ ווייכווארג מאָדעל, טיף לערנען אַלאַוז ביליאַנז פון ווייכווארג נוראַנז און טריליאַנז פון קאַנעקשאַנז צו זיין טריינד, פּאַראַלעל.

מיט טיף נעוראַל נעץ אַלגערידאַמז און לערנען ביי ביישפילן, אַקסעלערייטיד קאַמפּיוטינג איז אַן אידעאל צוגאַנג און די גפּו איז די ידעאַל פּראַסעסער.

עס איז אַ נייַע קאָמבינאַציע צו שאַפֿן אַ נייַע דור פֿאַר קאַמפּיוטינג פּלאַטפאָרמס מיט בעסער פאָרשטעלונג, פּראָגראַממינג פּראָודאַקטיוויטי און אָפֿן אַקסעסאַביליטי.

טיף לערנען מאָדעלס זענען באקאנט ווי אַ סאַבסעט פון מאַשין לערנען מאָדעלס. זיי זענען ספּעציעל קאַמפּיוטישאַנאַלי אינטענסיווע צו באַן ווייַל פון זייער ינטערקאַנעקטיד לייַערס פון לייטאַנט וועריאַבאַלז.

וואָס איז Morphware ס לייזונג?

די Morphware Token פון די הויפּט פּלאַטפאָרמע איז געניצט פֿאַר די טראַנזאַקשאַנז.

טאָקעןאָמיקס

די גאַנץ צושטעלן פון די Morphware טאָקען איז 1,232,922,769 און זיי זענען ברענען, אָבער נישט מינטאַבאַל.

דורך אַ וועבזייטל וואָס איז דיזיינד, דעוועלאָפּעד און דיפּלויד דורך Morphware, ניצערס קענען קויפן די פּלאַטפאָרמע סימען.

ווייניקער ווי צוויי פּראָצענט פון די גאַנץ צושטעלן פון מאָרפוואַרע טאָקענס וועט זיין פֿאַר פאַרקויף אין דער ערשטער חודש.

ווי מאָרפוואַרע אַרבעט

דער פּראָצעס פון אַ מאַשין לערנען מאָדעל איז דאַטן אַנאַליסיס און דערנאָך איז אַן יטעראַטיוו ציקל וואָס וואַקלענ זיך צווישן מאָדעל סעלעקציע און שטריך ינזשעניעריע.

דער ציל פון דעם אַרבעט איז צו העלפן סוף-ניצערס אַזאַ ווי דאַטן סייאַנטיס יטערייט פאַסטער דורך קריייטינג אַקסעס צו אַ דיסענטראַלייזד נעץ פון קאָמפּיוטערס וואָס קענען פאַרגיכערן זייער ווערקלאָודז.

סוף ניצערס זענען פּערד מיט און באַצאָלן, אַרבעטער נאָודז דורך אַ געחתמעט-באַפעלן, צווייט-פּרייַז פאַרקערט ליציטאַציע. זיי צאָלן אַרבעטער נאָודז צו באַן זייער מאָדעלס און וואַלידאַטאָר נאָודז צו פּרובירן די מאָדעלס טריינד דורך אַרבעט נאָודז דורך Morphware טאָקענס.

די ראָלעס און ריספּאַנסאַבילאַטיז פון מיטגלידער פון דער נעץ אַרייַננעמען צוויי אָטאַנאַמאַס פּירז טייפּס.

צו אַרבעטן מיט מאָרפוואַרע, סוף ניצערס נאָר צופֿעליקער זייער מאָדעל, אין די פאָרעם פון אַ דזשופּיטער העפט אָדער אַ פּיטהאָן טעקע, טריינינג און טעסטינג דאַטן.

דערנאָך, זיי דאַרפֿן צו ספּעציפיצירן די ציל אַקיעראַסי מדרגה און געבן אַ פּראָגנאָז פֿאַר ווי לאַנג עס וועט נעמען צו דערגרייכן דעם אַקיעראַסי מדרגה. קליקינג סאַבמיטז צו ענדיקן.

סוף ניצערס פאָרלייגן מאָדעלס צו זיין טריינד דורך די טוערס און טעסטעד דורך די וואַלאַדייטערז. דערווייַל, טוערס זענען די נאָודז וואָס פאַרדינען טאָקענס דורך טריינינג מאָדעלס דערלאנגט דורך די סוף-ניצערס.

וואַלידאַטאָרס זענען די נאָודז וואָס פאַרדינען טאָקענס דורך טעסטינג מאָדעלס טריינד דורך די טוערס.

אַמאָל דער סוף-באַניצער פאָרלייגן דעם מאָדעל, עס וועט זיין טריינד דורך די טוערס און טעסטעד דורך די וואַלאַדייטערז דורך די פּלאַטפאָרמע וואָס קאַמיונאַקייץ מיט די נעץ דורך זיין צוריק-ענד דיימאַן.

דער דיימאַן איז פאַראַנטוואָרטלעך פֿאַר ניט בלויז קריייטינג אַלגערידאַמז און זייער ריספּעקטיוו דאַטאַסעץ פֿאַר וואָס איז דערלאנגט דורך די סוף-באַניצער דורך דעם קליענט, אָבער אויך שיקן די ערשט סאַליסיטיישאַן פון אַרבעט צו די קלוג קאָנטראַקט.

אין אַדישאַן, די דיימאַן איז פאַראַנטוואָרטלעך פֿאַר די טריינינג און טעסטינג פון די מאָדעלס, דורך די טוערס און וואַלאַדייטערז.

ייַנקוקנ-אַססיסטעד עקספּרעס אַלאַוז די פּראַפּאַגיישאַן פון אַ אַלגערידאַם און קאָראַספּאַנדינג דאַטאַסעט פון אַ סוף-באַניצער צו אַ אַרבעטער אָדער אַ וואַלידאַטאָר.

אָבער, די ערשט אַרבעט רעקווירעמענץ פון די סוף-באַניצער און באַטייַטיק רעספּאָנסעס צו די סוף-באַניצער פון טוערס אָדער וואַלאַדייטערז זענען אַלע אַרייַנגעשיקט צו די קלוג קאָנטראַקט.

די ערשט אַרבעט רעקווירעמענץ אַרייַננעמען די עסטימאַטעד רונטימע פון ​​די טריינינג צייַט, די אַלגערידאַם-פֿאַרבונדענע מאַגנעט, די טריינינג שטעלן און די טעסטינג גאַנג פון דאַטן.

א ענטפער פון אַ אַרבעטער כולל אַ מאַגנעט לינק צו די מאָדעל וואָס זיי טריינד, וואָס איז דערנאָך טעסטעד דורך פילע וואַלאַדייטערז.

אויב דער מאָדעל וואָס איז געווען טריינד טרעפן די פארלאנגט פאָרשטעלונג שוועל, דער אַרבעטער און וואַלאַדייטערז וועלן באַקומען טאָקענס ווי אַ באַלוינונג.

וואָס מאכט מאָרפוואַרע בוילעט

מאָרפוואַרע איז אַ צוויי-סיידאַד מאַרק.

דער מאַרק באדינט דאַטן סייאַנטיס וואָס קענען נוצן די פּלאַטפאָרמע צו אַקסעס ווייַט קאַמפּיוטינג מאַכט דורך די נעץ פון קאָמפּיוטערס אַזאַ ווי קפּוס, גפּוס, באַראַן ווי די וועג זיי וואָלט נוצן AWS, אָבער צו אַ נידעריקער פּרייַז און מיט אַ מער באַניצער-פרייַנדלעך צובינד.

אויף די אנדערע האַנט, Morphware אויך סערוועס אָונערז פון וידעפדיק קאַמפּיוטינג מאַכט וואָס זוכן צו פאַרדינען געלט און ריוואָרדז דורך סעלינג זייער קאַמפּיוטינג מאַכט.

דעריבער, זיין קונה סעגמאַנץ פאָקוס אויף דאַטן סייאַנטיס, גיימערז אָדער מענטשן מיט וידעפדיק קאַמפּיוטינג מאַכט וואָס ווילן צו פאַרדינען געלט.

דערווייַל, די קליענט רשימה פון מאָרפוואַרע איז קאַנטיניואַסלי גראָוינג אַרייַנגערעכנט אַ דאַטן געלערנטער ארבעטן אויף אַ זיך-דרייווינג מאַשין מאָביליטי לאַב, תּלמיד אָרגאַנאַזיישאַנז וואָס דאַרפֿן דאַטן וויסנשאַפֿט שטיצן, און אָטאַמאָוטיוו קאָמפּאַניעס אַזאַ ווי Suzu, Mitsubishi אָדער Volvo.

Morphware האט אויך פּאַרטנערעד מיט טעללאָר. אונטער דעם שוטפעס, טעלער וועט באַצאָלן מאָרפוואַרע פֿאַר ניצן זייער אָראַקלע פֿאַר די ערשטער חדשים.

קאַמפּערד מיט אנדערע קאָמפּעטיטאָרס אין די מאַרק, Morphware האט אַ קאַמפּעטיטיוו מייַלע. זיין יינציק מאַרק סטראַטעגיע מאכט זיין פּראָדוקט טשיפּער ווי אנדערע.

קלאָוזינג געדאנקען אויף מאָרפוואַרע

ווי מאַשין לערנען מאָדעלס ווערן ינקריסינגלי קאָמפּליצירט, די פּראַדזשעקס פֿאַר אַ נייַ יקאָוסיסטאַם פון מאַשין לערנען מאָדעלס טריידינג איבער אַ בלאָקקטשאַין-באזירט נעץ איז יקספּלאָרד.

ווי אַזאַ, די סוף-ניצערס אָדער די בויערס קענען קריגן דעם מאָדעל פון אינטערעס פון די מאַשין לערנען מאַרק בשעת טוערס אָדער סעלערז וואָס זענען אינטערעסירט אין ספּענדינג היגע קאַמפּיאַטיישאַנז אויף דאַטן צו פֿאַרבעסערן די קוואַליטעט פון דעם מאָדעל.

ווי אַזוי, די פּראַפּאָרשאַנאַל באַציונג צווישן די היגע דאַטן און די קוואַליטעט פון טריינד מאָדעלס איז באַטראַכט, און די וואַליויישאַנז פון די סעלערז דאַטן אין טריינינג די מאָדעלס זענען עסטימאַטעד.

די פּרויעקט ווייזט אַ קאַמפּעטיטיוו לויפן-צייַט פאָרשטעלונג, אַ נידעריקער פּרייַז פון דורכפירונג און יוישער אין טערמינען פון ינסענטיווז פֿאַר די פּאַרטיסאַפּאַנץ.

מאָרפוואַרע איז איינער פון די פּייאַנירינג פּלאַטפאָרמס וואָס ינטראַדוסיז אַ ייַנקוקנ-צו-ייַנקוקנ נעץ ווו סוף-ניצערס קענען צאָלן ווידעא שפּיל פּלייַערס צו באַן מאַשין לערנען מאָדעלס, אויף זייער ביכאַף, אין די פּלאַטפאָרמע ס קראַנטקייַט Morphware Token.

צו לערנען מער וועגן Morphware - ביטע גיט דאָ!