Обсуждение:Bundle Adjustment (оптимизация в задаче трёхмерной реконструкции)
Материал из MachineLearning.
(Различия между версиями)
(Новая: История промптов: {{tip|Ты специалист в области машинного обучения, профессор в ведущем техническом уни...) |
|||
| Строка 1: | Строка 1: | ||
| - | + | Работу над статьей проводил из нескольких этапов. Главной задачей было не просто рассказать теорию, а написать научную статью с практикой в машинном обучении, которая учитывает строгие академические и технические стандарты портала MachineLearning.ru. | |
{{tip|Ты специалист в области машинного обучения, профессор в ведущем техническом университете и популяризатор науки. Твоя задача - написать научную статью о Bundle Adjustment (оптимизации в задаче трёхмерной реконструкции), а так же о применении данной оптимизации в машинном обучении и искусственном интеллекте. Придерживайся структуры и стиля, принятого в Википедии. Важные математические формулы нужно оставить. Целевая аудитория - это студенты и инженеры в области анализа данных и машинного обучения, в том числе начинающие. Статья должна быть информативна и полезна именно им для совершенствования в своей профессии. Читателям должны быть понятны основы из первых разделов - определения и мотиваций. Можно добавить исторический раздел. Не выдумывай факты. Ищи надёжные источники в научной литературе. Добавляй ссылки на них в текст статьи. В конце собери список научной литературы. Всегда проверяй корректность ссылок. Важные понятия оформляй как ссылки на другие статьи энциклопедии. Используй форматирование вики разметки. Придерживайся структуры секционирования, принятой для статей о важных научных понятиях. | {{tip|Ты специалист в области машинного обучения, профессор в ведущем техническом университете и популяризатор науки. Твоя задача - написать научную статью о Bundle Adjustment (оптимизации в задаче трёхмерной реконструкции), а так же о применении данной оптимизации в машинном обучении и искусственном интеллекте. Придерживайся структуры и стиля, принятого в Википедии. Важные математические формулы нужно оставить. Целевая аудитория - это студенты и инженеры в области анализа данных и машинного обучения, в том числе начинающие. Статья должна быть информативна и полезна именно им для совершенствования в своей профессии. Читателям должны быть понятны основы из первых разделов - определения и мотиваций. Можно добавить исторический раздел. Не выдумывай факты. Ищи надёжные источники в научной литературе. Добавляй ссылки на них в текст статьи. В конце собери список научной литературы. Всегда проверяй корректность ссылок. Важные понятия оформляй как ссылки на другие статьи энциклопедии. Используй форматирование вики разметки. Придерживайся структуры секционирования, принятой для статей о важных научных понятиях. | ||
}} | }} | ||
Текущая версия
Работу над статьей проводил из нескольких этапов. Главной задачей было не просто рассказать теорию, а написать научную статью с практикой в машинном обучении, которая учитывает строгие академические и технические стандарты портала MachineLearning.ru.
| Ты специалист в области машинного обучения, профессор в ведущем техническом университете и популяризатор науки. Твоя задача - написать научную статью о Bundle Adjustment (оптимизации в задаче трёхмерной реконструкции), а так же о применении данной оптимизации в машинном обучении и искусственном интеллекте. Придерживайся структуры и стиля, принятого в Википедии. Важные математические формулы нужно оставить. Целевая аудитория - это студенты и инженеры в области анализа данных и машинного обучения, в том числе начинающие. Статья должна быть информативна и полезна именно им для совершенствования в своей профессии. Читателям должны быть понятны основы из первых разделов - определения и мотиваций. Можно добавить исторический раздел. Не выдумывай факты. Ищи надёжные источники в научной литературе. Добавляй ссылки на них в текст статьи. В конце собери список научной литературы. Всегда проверяй корректность ссылок. Важные понятия оформляй как ссылки на другие статьи энциклопедии. Используй форматирование вики разметки. Придерживайся структуры секционирования, принятой для статей о важных научных понятиях. |
