A. 5

B. 10

C. 15
{<디>}: 20

A. 지도 학습은 알고리즘이 시행착오와 보상 및 처벌 시스템을 사용하여 문제를 해결하려는 머신 러닝 패러다임입니다. 레이블이 지정된 입력/출력 쌍을 제시할 필요가 없습니다. 대신, 미지의 영역에 대한 탐구와 현재 지식 활용 사이의 균형을 찾는 데 중점을 둡니다.

B. 지도 학습은 알고리즘이 불확실하고 잠재적으로 복잡한 환경에서 시행착오와 보상 및 처벌 시스템을 사용하여 문제를 해결하려는 머신 러닝 패러다임입니다. 정답은 없지만 보상과 처벌의 형태로 피드백이 제공됩니다.

C. 지도 학습은 입력 변수와 출력 변수를 매핑하는 함수를 학습하는 것을 목표로 하는 머신 러닝 패러다임입니다. 모든 경우에 정답이 있으므로, 결과를 예측하는 데 있어 허용 가능한 수준의 성능에 도달할 때까지 모델을 학습하는 것이 목표이며, 이 지점에서 학습을 중지합니다.

D. 지도 학습은 레이블이 지정되지 않은 데이터에서 패턴을 학습하는 알고리즘을 지칭하는 머신 러닝 패러다임입니다. 입력 변수만 있고, 대응하는 출력 변수는 없습니다. 이 알고리즘의 목표는 데이터의 기본 구조를 모델링하는 것이지만, 정답이나 주석은 없습니다.

A. 이름, 분류 유형. 레이블을 지정할 입력. 속성 이름. 단축키 및 색상.

B. 이름, 라벨을 지정할 입력, 속성 이름 및 단축키.

C. 이름, 분류 유형, 속성 이름 및 바로 가기.

D. 이름, 분류 유형, 속성 이름, 색상, 단축키.

A. 해당 모델 버전의 통계를 다른 버전과 AB 비교할 수 있도록 합니다.

B. 탐색에서 해당 모델 버전의 예측을 Ul에 강제로 표시하려면

C. 해당 모델 버전으로 주석을 롤백할 수 있도록 합니다.

D. 다른 모든 모델 버전을 삭제합니다.

A. 패키지 이름에는 Python 예약 키워드를 사용할 수 없습니다.

B. 패키지 이름에는 공백이나 하이픈이 포함될 수 없습니다.

C. 패키지 이름은 10자를 초과할 수 없습니다.

D. 패키지 이름에는 "@", "S", "#"과 같은 특수 문자를 포함할 수 없습니다.