論文の概要: TrueLearn: A Python Library for Personalised Informational
Recommendations with (Implicit) Feedback
- arxiv url: http://arxiv.org/abs/2309.11527v1
- Date: Wed, 20 Sep 2023 07:21:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-22 18:12:54.586265
- Title: TrueLearn: A Python Library for Personalised Informational
Recommendations with (Implicit) Feedback
- Title（参考訳）: TrueLearn:(例)フィードバックによるパーソナライズされた情報レコメンデーションのためのPythonライブラリ
- Authors: Yuxiang Qiu, Karim Djemili, Denis Elezi, Aaneel Shalman, Mar\'ia
P\'erez-Ortiz, Sahan Bulathwela
- Abstract要約: この研究は、オンライン学習ベイズモデルのファミリーを含むTrueLearn Pythonライブラリについて説明する。
解釈可能性とユーザ制御のために、TrueLearnライブラリにはさまざまな表現が含まれており、エンドユーザーが学習者のモデルを視覚化するのに役立つ。
- 参考スコア（独自算出の注目度）: 4.575111313202425
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work describes the TrueLearn Python library, which contains a family of
online learning Bayesian models for building educational (or more generally,
informational) recommendation systems. This family of models was designed
following the "open learner" concept, using humanly-intuitive user
representations. For the sake of interpretability and putting the user in
control, the TrueLearn library also contains different representations to help
end-users visualise the learner models, which may in the future facilitate user
interaction with their own models. Together with the library, we include a
previously publicly released implicit feedback educational dataset with
evaluation metrics to measure the performance of the models. The extensive
documentation and coding examples make the library highly accessible to both
machine learning developers and educational data mining and learning analytic
practitioners. The library and the support documentation with examples are
available at https://truelearn.readthedocs.io/en/latest.
- Abstract（参考訳）: 教育的(あるいはより一般的に情報的)レコメンデーションシステムを構築するための、オンライン学習ベイズモデルのファミリを含む、truelearn pythonライブラリについて説明する。
このモデル群は、人間直観的なユーザー表現を用いて「オープン学習者」の概念に従って設計された。
解釈可能性とユーザ制御のために、TrueLearnライブラリには、エンドユーザーが学習者モデルを視覚化するのに役立つさまざまな表現が含まれている。
ライブラリとともに、モデルの性能を測定するための評価指標を備えた暗黙的なフィードバック教育データセットを以前公開しました。
広範なドキュメンテーションとコーディングの例によって、機械学習開発者と教育データマイニングと学習分析の実践者の両方にとって、ライブラリは高いアクセス性を持つ。
ライブラリとサンプルによるサポートドキュメントはhttps://truelearn.readthedocs.io/en/latest.com/で入手できる。
関連論文リスト
- Deep Fast Machine Learning Utils: A Python Library for Streamlined Machine Learning Prototyping [0.0]
Deep Fast Machine Learning Utils (DFMLU)ライブラリは、機械学習プロセスのアスペクトを自動化および拡張するために設計されたツールを提供する。
DFMLUはモデル開発とデータ処理をサポートする機能を提供します。
この原稿はDFMLUの機能の概要を示し、各ツールにPythonの例を提供している。
論文 参考訳（メタデータ） (2024-09-14T21:39:17Z) - A Comprehensive Guide to Combining R and Python code for Data Science, Machine Learning and Reinforcement Learning [42.350737545269105]
機械学習、ディープラーニング、強化学習プロジェクトを構築するために、PythonのScikit-learn、pytorch、OpenAIのジムライブラリを簡単に実行する方法を示します。
論文 参考訳（メタデータ） (2024-07-19T23:01:48Z) - EduNLP: Towards a Unified and Modularized Library for Educational Resources [78.8523961816045]
我々はEduNLPという,統一された,モジュール化された,広範なライブラリを紹介し,教育資源の理解に焦点をあてる。
このライブラリでは、ワークフロー全体を4つのキーモジュールに分離し、データ構成、処理、モデル実装、モデル評価など、一貫したインターフェースを提供します。
現在のバージョンでは、主に4つのカテゴリから10の典型的なモデルを提供し、教育領域における5つのダウンストリーム評価タスクを、ユーザの使用に対して8つの被験者に提供します。
論文 参考訳（メタデータ） (2024-06-03T12:45:40Z) - pyvene: A Library for Understanding and Improving PyTorch Models via
Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。
私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文 参考訳（メタデータ） (2024-03-12T16:46:54Z) - A Toolbox for Modelling Engagement with Educational Videos [21.639063299289607]
この作業では、データセットとオンライン学習者の状態モデルを含むPEEKCデータセットとTrueLearn Pythonライブラリを提示する。
このデータセットには、AI関連の教育ビデオが多数含まれており、AI固有の教育レコメンデーションの構築と検証に関心がある。
論文 参考訳（メタデータ） (2023-12-30T21:10:55Z) - SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。
それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。
私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
論文 参考訳（メタデータ） (2023-04-21T10:00:22Z) - A Library for Representing Python Programs as Graphs for Machine
Learning [39.483608364770824]
我々はPythonプログラムのグラフ表現に静的解析を適用するオープンソースのPythonライブラリpython_graphsを紹介した。
図書館の能力と限界を提示し、このライブラリを何百万もの競合するプログラムに応用するケーススタディを実行し、このライブラリが機械学習研究に有効であることを示す。
論文 参考訳（メタデータ） (2022-08-15T22:36:17Z) - OmniXAI: A Library for Explainable AI [98.07381528393245]
eXplainable AI(XAI)のオープンソースPythonライブラリであるOmniXAIを紹介する。
オールニウェイで説明可能なAI機能と、さまざまな解釈可能な機械学習技術を提供する。
実践者にとってこのライブラリは、アプリケーションの説明を生成するために、使いやすく統合されたインターフェースを提供する。
論文 参考訳（メタデータ） (2022-06-01T11:35:37Z) - Solo-learn: A Library of Self-supervised Methods for Visual
Representation Learning [83.02597612195966]
solo-learnは視覚表現学習のための自己指導型のメソッドのライブラリである。
Pythonで実装され、PytorchとPytorch Lightningを使用して、このライブラリは研究と業界のニーズの両方に適合する。
論文 参考訳（メタデータ） (2021-08-03T22:19:55Z) - pyBKT: An Accessible Python Library of Bayesian Knowledge Tracing Models [0.0]
本稿では,知識追跡のためのモデル拡張ライブラリpyBKTを紹介する。
このライブラリはデータ生成、フィッティング、予測、クロスバリデーションルーチンを提供する。
pybktはオープンソースであり、研究や実践のコミュニティに知識の追跡をよりアクセスしやすくするためのオープンライセンスである。
論文 参考訳（メタデータ） (2021-05-02T03:08:53Z) - SacreROUGE: An Open-Source Library for Using and Developing
Summarization Evaluation Metrics [74.28810048824519]
SacreROUGEは、要約評価メトリクスの使用と開発のためのオープンソースライブラリである。
このライブラリは、既存の評価メトリクスの公式実装に関するPythonラッパーを提供する。
ライブラリに実装されたメトリックが、人間による注釈付き判断とどの程度の相関があるかを評価する機能を提供する。
論文 参考訳（メタデータ） (2020-07-10T13:26:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。