Alchemy is a software tool designed

Alchemy is a software tool designed for a wide range of users. Anyone with a need for a
knowledge base with uncertainty will find Alchemy useful and this is the target audience
of this tutorial. It assumes the reader has general knowledge of classical machine learning
algorithms and tasks and is familiar with first-order and Markov logic and some probability
theory.
Markov logic serves as a general framework which can not only be used for the emerging
field of statistical relational learning, but also can handle many classical machine learning
tasks which many users are familiar with. Instead of addressing only certain domains or
adding ad hoc features to deal with anomalies, Markov logic presents a language to handle
machine learning problems intuitively and comprehensibly. With this in mind, this tutorial
looks to serve two purposes:
• Show the user how to model a few learning tasks in familiar learning representations.
• Introduce the user to learning and inference in Markov logic so that he/she has the
basic tools to develop his/her own applications in this framework.
This tutorial is not meant to be exhaustive in terms of the capabilities of Alchemy. Many
more learning tasks, both classical and emerging, can be handled by Alchemy in an elegant
and intuitive manner. In addition, many new tasks have not been considered in the Markov
logic framework; Alchemy is a work in progress and is continually being extended to meet
these needs. The best catalyst for this progress is user feedback, so please tell us about any
problems or limitations with Alchemy and wishes for the next version.
We start with the basics of Alchemy in the next section before moving on to more
interesting tasks which can be accomplished. All of the datasets used in this tutorial are
available at http://alchemy.cs.washington.edu in the “Datasets” section

Kết quả (Việt) 1:

Giả kim thuật là một công cụ phần mềm được thiết kế cho một loạt các người dùng. Bất cứ ai có một nhu cầu cho mộtkiến thức cơ sở với sự không chắc chắn sẽ tìm thấy giả kim thuật hữu ích và đây là đối tượng mục tiêuhướng dẫn này. Nó giả định người đọc có kiến thức tổng quát của máy cổ điển họcthuật toán và nhiệm vụ và là quen thuộc với thứ tự đầu tiên và Markov logic và xác suất một sốlý thuyết.Markov logic phục vụ như một khuôn khổ chung mà không có thể chỉ được sử dụng cho các mới nổilĩnh vực của thống kê quan hệ học, nhưng cũng có thể xử lý nhiều máy cổ điển họcnhiệm vụ mà nhiều người dùng quen thuộc với. Thay vì địa chỉ chỉ có một số tên miền hoặcThêm các tính năng đặc biệt để đối phó với bất thường, Markov logic trình bày một ngôn ngữ để xử lýMáy vấn đề học tập bằng trực giác và comprehensibly. Với điều này trong tâm trí, hướng dẫn nàybạn sẽ phục vụ hai mục đích:• Hiển thị người dùng làm thế nào để mô hình một vài nhiệm vụ học tập ở đại diện học tập quen thuộc.• Giới thiệu người dùng cho học tập và suy luận trong Markov logic để anh/cô ấy cáccông cụ cơ bản để phát triển các ứng dụng riêng của mình trong khuôn khổ này.Hướng dẫn này không có nghĩa là để được đầy đủ về các khả năng của giả kim thuật. Nhiềunhiệm vụ học tập hơn, cổ điển và đang phát triển, có thể được xử lý bởi giả kim thuật trong một thanh lịchvà phong cách trực quan. Ngoài ra, nhiều nhiệm vụ mới đã không được xem xét trong Markovkhuôn khổ logic; Giả kim thuật là một công việc trong tiến trình và liên tục được mở rộng để đáp ứngnhững nhu cầu. Chất xúc tác tốt nhất cho sự tiến bộ này là người sử dụng thông tin phản hồi, vì vậy xin vui lòng cho chúng tôi về bất kỳvề vấn đề hay hạn chế với giả kim thuật và mong muốn cho các phiên bản tiếp theo.Chúng tôi bắt đầu với những căn bản của giả kim thuật trong phần tiếp theo trước khi chuyển sang nhiều hơn nữacác nhiệm vụ thú vị mà có thể được thực hiện. Tất cả các datasets được sử dụng trong hướng dẫn nàycó sẵn tại http://alchemy.cs.washington.edu trong phần "Datasets"

Kết quả (Việt) 2:

Alchemy là một công cụ phần mềm được thiết kế cho một phạm vi rộng của người sử dụng. Bất cứ ai có nhu cầu về một
cơ sở tri thức với sự không chắc chắn sẽ tìm thấy Alchemy hữu ích và đây là đối tượng mục tiêu
của hướng dẫn này. Nó giả định người đọc có kiến thức chung về máy học cổ điển
các thuật toán và các nhiệm vụ và quen thuộc với thứ tự đầu tiên và logic Markov và một số xác suất
lý thuyết.
lôgic Markov phục vụ như là một khuôn khổ chung mà có thể không chỉ được sử dụng cho các trường mới nổi
lĩnh vực học tập quan hệ thống kê , nhưng cũng có thể xử lý nhiều máy học cổ điển
nhiệm vụ mà nhiều người dùng đã quen thuộc với. Thay vì giải quyết các lĩnh vực nhất định hoặc
bổ sung thêm các tính năng đặc biệt để đối phó với dị thường, logic Markov trình bày một ngôn ngữ để xử lý các
vấn đề máy tính học tập trực quan và comprehensibly. Với điều này trong tâm trí, hướng dẫn này
trông để phục vụ hai mục đích:
. • Hiện người sử dụng như thế nào để mô hình một vài nhiệm vụ học tập tại cơ quan đại diện học tập quen thuộc
• Giới thiệu người sử dụng để học tập và suy luận trong logic Markov để anh / cô ấy có những
công cụ cơ bản để phát triển / các ứng dụng riêng của mình trong khuôn khổ này.
Hướng dẫn này không có nghĩa là để được đầy đủ về các khả năng của Alchemy. Nhiều
nhiệm vụ học tập nhiều hơn, cả cổ điển và mới nổi, có thể được xử lý bởi Alchemy trong một thanh lịch
theo cách thức và trực quan. Ngoài ra, nhiều nhiệm vụ mới đã không được xem xét trong Markov
khung logic; Alchemy là một công việc đang tiến triển và liên tục được mở rộng để đáp ứng
những nhu cầu này. Các chất xúc tác tốt nhất cho sự tiến bộ này là thông tin phản hồi của người dùng, vì vậy xin vui lòng cho chúng tôi biết về bất kỳ
vấn đề hoặc hạn chế với Alchemy và chúc cho các phiên bản tiếp theo.
Chúng tôi bắt đầu với những điều cơ bản của Alchemy trong phần tiếp theo trước khi chuyển sang nhiều
nhiệm vụ thú vị mà có thể được thực hiện . Tất cả các bộ dữ liệu được sử dụng trong hướng dẫn này là
có sẵn tại http://alchemy.cs.washington.edu trong "bộ dữ liệu" phần