ಆಪ್ನನ್ನು ಡೌನ್ಲೋಡ್ ಮಾಡಲು ಸ್ಕ್ಯಾನ್ ಮಾಡಿ 
Saas ಮೂಲಕ AI ನ ಅನ್ಲಾಕ್ ಮಾಡುವಿಕೆ
ಸಂದೇಹ ಪರಿಹಾರಗಳು
ಸ್ಪೂರ್ತಿ
ದೇಶಾದ್ಯಂತ ಸಾವಿರಾರು ವಿದ್ಯಾರ್ಥಿಗಳು ಪ್ರತಿದಿನ ಹೆಚ್ಚು ಕಲಿಯಲು, ಕಠಿಣ ಅಭ್ಯಾಸ ಮಾಡಲು ಮತ್ತು ಬೆಳೆಯಲು ತಮ್ಮನ್ನು ತಾವು ಪರೀಕ್ಷಿಸಿಕೊಳ್ಳಲು Embibe ಅನ್ನು ಬಳಸುತ್ತಾರೆ. ಮತ್ತು ಈ ಪ್ರಯಾಣದ ಮೂಲಕ, ಪ್ರಶ್ನೆಗಳು ಅಥವಾ ಸಂದೇಹಗಳ ಗುಂಪಿನ ಮೇಲೆ ಅನಿರೀಕ್ಷಿತವಾಗಿ ಹುಡುಕಲು ಯುಕ್ತವಾಗಿದೆ. ಆದ್ದರಿಂದ, ವಿದ್ಯಾರ್ಥಿಗಳಲ್ಲಿ ಪ್ರಶ್ನಿಸುವುದನ್ನು ಯಾವಾಗಲೂ ಪ್ರೋತ್ಸಾಹಿಸಲಾಗುತ್ತದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ನಾವು ಸಂದೇಹ ನಿವಾರಣೆ ಉತ್ಪನ್ನವನ್ನು ಹೊಂದಿದ್ದೇವೆ.
ಹೆಸರೇ ಸೂಚಿಸುವಂತೆ, ಇದು ಒಬ್ಬ ವಿದ್ಯಾರ್ಥಿಯ ಸಂದೇಹಗಳನ್ನು ಪರಿಹರಿಸಲು ನೆರವಾಗಬೇಕೆಂಬ ಗುರಿಯುಳ್ಳ ಒಂದು ವೇದಿಕೆಯಾಗಿದೆ. ಈ ಸಹಾಯವನ್ನು ವಿಷಯದ ತಜ್ಞರಿಂದ ನೀಡಬಹುದಾದರೂ, ವಿದ್ಯಾರ್ಥಿಗಳ ಮನಸಿನಲ್ಲಿ ಮೂಡುವ ಸಂಶಯಗಳ ಅಗಾಧ ಪರಿಮಾಣ ಸರಿಸಮಾನಾಂತರವಾಗಿ ಬಗೆಹರಿಸುವುದು ಬಹು ಕಠಿಣದ ಕೆಲಸವಾಗಿದೆ. ಅಂಥ ವಿಸ್ತಾರತೆಯನ್ನು ಆ ತಜ್ಞರಿಂದಲೇ ದೈಹಿಕ ಶ್ರಮದಿಂದ ಪ್ರತಿಯೊಂದು ಸಂದೇಹವನ್ನು ಮರಳಿ ಪರಿಹರಿಸಲು ತುಂಬಾ ಕಷ್ಟದ ಅನುಭವವಾಗುತ್ತದೆ. ಇದಕ್ಕೆ ಪ್ರತಿಯಾಗಿ, ಆ ಸಂದೇಹಾತ್ಮಕ ಪ್ರಶ್ನೆಗಳು ದೀರ್ಘಕಾಲ ನಿರೀಕ್ಷಿಸುವ ಸಮಯವನ್ನು ಪರಿಚಯಿಸಬಲ್ಲವು ಹಾಗೇ ಒಬ್ಬ ಕೆಟ್ಟ ಬಳಕೆದಾರರ ಅನುಭವವನ್ನು ಹೆಚ್ಚಿಸಬಲ್ಲವು.
ಅವಕಾಶವನ್ನು ಬಾಚಿಕೊಳ್ಳುವುದು
ದೊಡ್ಡ ಪ್ರಮಾಣದ ಶೈಕ್ಷಣಿಕ ಕಂಟೆಂಟ್, ಇಮೇಜ್‌ಗಳು, ಸಮೀಕರಣಗಳು ಮತ್ತು ಚಿಹ್ನೆಗಳಲ್ಲಿ ಅಡಗಿರುವ ಮಾಹಿತಿಯನ್ನು ಒಳಗೊಂಡಿದೆ. ಇಮೇಜ್‌ಗಳು ಮತ್ತು ಪಠ್ಯಗಳಿಂದ ಲಾಕ್ಷಣಿಕ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯುವುದು ಇನ್ನೂ ಡೊಮೇನ್ ಆಧಾರಿತವಾಗಿದ್ದು, ಸಹಜ ಭಾಷೆ ಹಾಗೂ ದೃಷ್ಟಿಗಾಗಿ ದೊಡ್ಡ ಡೇಟಾಸೆಟ್‌‌ಗಳು, ಡೊಮೇನ್ ನಿರ್ದಿಷ್ಟ ಜ್ಞಾನ ಮತ್ತು ಸುಧಾರಿತ ಆಳ ಕಲಿಕೆ ವಿಧಾನ ಅಗತ್ಯವಿದೆ.
ಹೆಚ್ಚಿನ ಸಂದೇಹ-ಪರಿಹಾರ ಉತ್ಪನ್ನಗಳು ಒಂದೇ ರೀತಿಯ ಪ್ರಶ್ನೆಗಳನ್ನು ಒದಗಿಸಲು ಅಥವಾ ಪ್ರಶ್ನೆಯ ಸುತ್ತ ಲಭ್ಯವಿರುವ ಸಂದರ್ಭವನ್ನು ಆಧರಿಸಿ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವ ವ್ಯವಸ್ಥೆಯನ್ನು ನಿರ್ಮಿಸಲು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವಿಷಯದ ಸಂಚಯಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತವೆ. Embibe ನಲ್ಲಿ ನಾವು, ನಮ್ಮ ಪ್ರಶ್ನೆ ಕೋಶದಲ್ಲಿ ಲಕ್ಷಾಂತರ ಪ್ರಶ್ನೆಗಳನ್ನು ಹೊಂದಿದ್ದೇವೆ. ಪ್ರಶ್ನೆಯಲ್ಲಿರುವ ಪಠ್ಯದಿಂದ ಸಂದರ್ಭೋಚಿತ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಲು ಮತ್ತು ಪ್ರಶ್ನೆಯಲ್ಲಿರುವ ರೇಖಾಚಿತ್ರಗಳು ಅಥವಾ ಅಂಕಿಅಂಶಗಳನ್ನು ಪಡೆಯಲು ನಾವು ನಮ್ಮ ಶೈಕ್ಷಣಿಕ ಸಂಚಯಗಳಲ್ಲಿ ಉತ್ತಮವಾದ ಅತ್ಯಾಧುನಿಕ ಮಾದರಿಗಳನ್ನು ಬಳಸುತ್ತೇವೆ.
ಸಂದೇಹ ಪರಿಹರಿಸುವ ಉತ್ಪನ್ನದಿಂದ, ಯಾವುದೇ ಮಾನವನ ಹಸ್ತಕ್ಷೇಪದ ಅಗತ್ಯವಿಲ್ಲದೆಯೇ 93% ಪ್ರಶ್ನೆಗಳಿಗೆ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಉತ್ತರಿಸಬಹುದಾಗಿದೆ.
ಸಂದೇಹ ಪರಿಹಾರ ಪ್ರಕ್ರಿಯೆ ನಿರ್ಮಾಣ
ರೇಖಾಚಿತ್ರ ಪತ್ತೆ:
ಲಭ್ಯವಿರುವ ಸಂದೇಹವನ್ನು ಪರಿಹರಿಸಲು ಸಹಾಯ ಮಾಡಲು, ಪ್ರಶ್ನೆಯ ಸುತ್ತ ಒದಗಿಸಲಾದ ಎಲ್ಲಾ ವಿವರಗಳನ್ನು ಸೆರೆಹಿಡಿಯುವುದು ನಮಗೆ ಮುಖ್ಯವಾಗಿದೆ. ಆದ್ದರಿಂದ, ನಾವು, ಲಾಕ್ಷಣಿಕ ಸಾದೃಶತೆಯನ್ನು ಲೆಕ್ಕಹಾಕುವಾಗ ಪರಿಗಣಿಸುವ ಪಡೆದ ರೇಖಾಚಿತ್ರವನ್ನು ಖಾತ್ರಿಪಡಿಸಲು ರೇಖಾಚಿತ್ರ ಪಡೆಯುವ ಸ್ತರವನ್ನು ಪರಿಚಯಿಸುತ್ತಿದ್ದೇವೆ. ಒಸಿಆರ್ ಮಾಡ್ಯೂಲ್‌ಗೆ ಇನ್‌ಪುಟ್‌ನಲ್ಲಿನ ರೇಖಾಚಿತ್ರವು ಗೊಂದಲ ಮೂಡಿಸಬಹುದು, ಹಾಗಾಗಿ ನಾವು ರೇಖಾಚಿತ್ರದ ಬೌಂಡಿಂಗ್ ಬಾಕ್ಸ್ ತೆಗೆಯಲು ನಾವು ಇಮೇಜ್ ಅನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿದ್ದೇವೆ, ಇದು ಒಸಿಆರ್ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸರಳೀಕರಿಸುತ್ತದೆ. ಬೌಂಡಿಂಗ್ ಬಾಕ್ಸ್ ಪತ್ತೆಯನ್ನು ನಡೆಸಲು ಮತ್ತು ಇನ್‌ಪುಟ್ ಇಮೇಜ್‌ನಲ್ಲಿರುವ ಚಿತ್ರಗಳನ್ನು ತೆಗೆಯಲು ನಮ್ಮ ಲೇಬಲ್ ಸಹಿತದ ಶೈಕ್ಷಣಿಕ ಇಮೇಜ್‌ಗಳಲ್ಲಿ ತರಬೇತುಗೊಂಡ ವಸ್ತು ಪತ್ತೆ ಮಾದರಿಯನ್ನು ನಾವು ಬಳಸುತ್ತೇವೆ.
ಆಪ್ಟಿಕಲ್ ಕ್ಯಾರೆಕ್ಟರ್ ರೆಕಗ್ನಿಷನ್ (OCR):
ಚಿತ್ರದಲ್ಲಿ ಇರುವ ಅಂಕಿಅಂಶಗಳನ್ನು ನಾವು ಹೊರತೆಗೆದ ಬಳಿಕ, ನಂತರದ ಹಂತದಲ್ಲಿ ಬಳಸಬೇಕಾದ ಚಿತ್ರದ ಒಳಗಿರುವ ಪಠ್ಯವನ್ನು ಹೊರತೆಗೆಯಲು ಮತ್ತು ಪದಚ್ಛೇದ ಮಾಡಲು ನಾವು OCR ಸ್ತರವನ್ನು ಬಳಸುತ್ತೇವೆ. OCR ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸುಧಾರಿಸಲು ಓರೆ ತಿದ್ದುಪಡಿ, ಛಾಯೆ ತೆಗೆಯುವುದು, ರೆಸಲ್ಯೂಶನ್ ಹೆಚ್ಚಿಸುವುದು ಮತ್ತು ಅಸ್ಪಷ್ಟತೆಯನ್ನು ಪತ್ತೆ ಮಾಡುವಂತಹ ಪೂರ್ವ ಸಂಸ್ಕರಣಾ ಹಂತಗಳನ್ನು ಮಾಡಲಾಗುತ್ತದೆ.
ಇಮೇಜ್ ಸಂಕೇತೀಕರಣ: ಚಿತ್ರದಲ್ಲಿ ಇರುವ ಶಬ್ದಾರ್ಥದ ಮಾಹಿತಿಯನ್ನು ಸೆರೆಹಿಡಿಯುವ ಸದಿಶಕ್ಕೆ ಅಂಕಿಗಳನ್ನು ಸಂಕೇತೀಕರಿಸಲು ನಾವು EfficientNet ಮಾದರಿಯನ್ನು ಬಳಸುತ್ತೇವೆ ಅಂದರೆ ಕೆಲವು ವಿಭಿನ್ನ ಚಿತ್ರಗಳಿಗಿಂತ ಶಬ್ದಾರ್ಥಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಒಂದೇ ರೀತಿಯ ಚಿತ್ರಗಳು ಪರಸ್ಪರ ಸಮೀಪದಲ್ಲಿರುತ್ತವೆ.
ಪಠ್ಯ ಸಂಕೇತೀಕರಣ: ನಾವು ಪೂರ್ವ-ತರಬೇತಿ ಪಡೆದ DPR ಮಾದರಿಯನ್ನು ಪ್ರಯೋಜನ ಪಡೆಯುತ್ತೇವೆ ಮತ್ತು DPR ಡೊಮೇನ್-ನಿರ್ದಿಷ್ಟಗೊಳಿಸಲು ಪ್ರಶ್ನೆ ಪಠ್ಯಗಳು, ಉತ್ತರಗಳು ಮತ್ತು ಅವುಗಳ ವಿವರವಾದ ವಿವರಣೆಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ನಮ್ಮ ಶೈಕ್ಷಣಿಕ ಸಂಚಯದಲ್ಲಿ ಅದನ್ನು ಉತ್ತಮಗೊಳಿಸುತ್ತೇವೆ. ನಂತರ ನಾವು ಸಂದರ್ಭೋಚಿತವಾಗಿ ಒಂದೇ ರೀತಿಯ ಪ್ರಶ್ನೆಗಳನ್ನು ಹಿಂಪಡೆಯಲು ಪ್ರಶ್ನೆಗಳನ್ನು ಸಂಕೇತೀಕರಿಸಲು DPR ನ ಪ್ರಶ್ನೆ ಸಂಕೇತೀಕರಣ ಭಾಗವನ್ನು ಬಳಸುತ್ತೇವೆ.
ಒಂದೇ ರೀತಿಯ ಪ್ರಶ್ನೆಗಳನ್ನು ಮರುಪಡೆಯುವುದು: ನಾವು ಸಂಕೇತೀಕರಣ ಮಾಡಿದ ಚಿತ್ರಗಳು ಮತ್ತು ಪಠ್ಯವನ್ನು ನಮ್ಮ ಪ್ರಶ್ನೆ ಬ್ಯಾಂಕ್‌ನಲ್ಲಿರುವ ಎಲ್ಲಾ ಪ್ರಶ್ನೆಗಳಿಗೆ ಹೋಲಿಸುತ್ತೇವೆ ಮತ್ತು ಟಾಪ್-ಕೆ ಇದೇ ರೀತಿಯ ಪ್ರಶ್ನೆಗಳನ್ನು ಹಿಂಪಡೆಯುತ್ತೇವೆ. ಪ್ರಶ್ನೆಯಲ್ಲಿನ ಚಿತ್ರದ ಪ್ರಾಮುಖ್ಯತೆಯ ಆಧಾರದ ಮೇಲೆ ಪಠ್ಯ ಮತ್ತು ಚಿತ್ರ ಎರಡೂ ಇದ್ದರೆ ತೂಕದ ಹೋಲಿಕೆಯನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ನಾವು ತಂತ್ರಗಳನ್ನು ಸಹ ಬಳಸುತ್ತೇವೆ.
ವಿಷಯ ನಿರ್ದಿಷ್ಟ ನಂತರ ಪ್ರಕ್ರಿಯೆ: ಪಠ್ಯದಲ್ಲಿರುವ ರಾಸಾಯನಿಕ ಸಮೀಕರಣಗಳನ್ನು ನಿರ್ವಹಿಸುವಂತಹ ವಿಷಯದ ನಿರ್ದಿಷ್ಟ ನಂತರ ಪ್ರಕ್ರಿಯೆ ತಂತ್ರಗಳನ್ನು ನಾವು ಬಳಸುತ್ತೇವೆ. ಪಠ್ಯದಲ್ಲಿ ಇರುವ ರಾಸಾಯನಿಕ ಸಮೀಕರಣಗಳು ಮತ್ತು ರಾಸಾಯನಿಕ ಘಟಕಗಳು ಒಂದೇ ರೀತಿಯ ಪ್ರಶ್ನೆಗಳನ್ನು ಮರುಪಡೆಯಲು ಪ್ರಮುಖ ಪಾತ್ರವನ್ನು ವಹಿಸುತ್ತವೆ; ಆದ್ದರಿಂದ, ಘಟಕಾಂಶಗಳ ಉಪಸ್ಥಿತಿಯ ಆಧಾರದ ಮೇಲೆ ಫಲಿತಾಂಶದ ಶ್ರೇಣಿಯನ್ನು ಹೆಚ್ಚಿಸಲು ನಾವು ತಂತ್ರವನ್ನು ಬಳಸುತ್ತೇವೆ.
ಉಲ್ಲೇಖಗಳು:
“[1] ರಾಫೆಲ್, ಕಾಲಿನ್, ನೋಮ್ ಶಜೀರ್, ಆಡಮ್ ರಾಬರ್ಟ್ಸ್, ಕ್ಯಾಥರೀನ್ ಲೀ, ಶರಣ್ ನಾರಂಗ್, ಮೈಕೆಲ್ ಮಾಟೆನಾ, ಯಾಂಕಿ ಝೌ, ವೀ ಲಿ, ಮತ್ತು ಪೀಟರ್ ಜೆ. ಲಿಯು. “ಎಕ್ಸ್‌ಪ್ಲೋರಿಂಗ್ ದಿ ಲಿಮಿಟ್ಸ್ ಆಫ್ ಟ್ರಾನ್ಸ್‌ಫರ್ ಲರ್ನಿಂಗ್ ವಿಥ್ ಎ ಯುನಿಫೈಡ್ ಟೆಕ್ಸ್ಟ್-ಟು-ಟೆಕ್ಸ್ಟ್ ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್. ” arXiv ಪ್ರಿಪ್ರಿಂಟ್ arXiv:1910.10683 (2019).
[2] ಡೆವ್ಲಿನ್, ಜಾಕೋಬ್, ಮಿಂಗ್-ವೀ ಚಾಂಗ್, ಕೆಂಟನ್ ಲೀ ಮತ್ತು ಕ್ರಿಸ್ಟಿನಾ ಟೌಟನೋವಾ. “ಪ್ರಿ-ಟ್ರೇನಿಂಗ್‌ ಆಫ್ ಡೀಪ್ ಬೈಡೈರೆಕ್ಷನಲ್ ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ಸ್ ಫಾರ್ ಲ್ಯಾಂಗ್ವೇಜ್ ಅಂಡರ್‌ಸ್ಟ್ಯಾಂಡಿಂಗ್.” arXiv ಪ್ರಿಪ್ರಿಂಟ್ arXiv:1810.04805 (2018).
[3] ಟ್ಯಾನ್, ಮಿಂಗ್‌ಜಿಂಗ್ ಮತ್ತು ಕ್ವೋಕ್ ಲೆ. “ಎಫಿಶಿಯೆಂಟ್‌ನೆಟ್: ರೀಥಿಂಕಿಂಗ್ ಮಾಡೆಲ್ ಸ್ಕೇಲಿಂಗ್ ಫರ್ ಕನ್ವಲ್ಯೂಷನಲ್ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್ಸ್” ಇಂಟರ್‌ನ್ಯಾಷನಲ್ ಕಾನ್ಫರೆನ್ಸ್ ಆನ್ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್, ಪುಟಗಳು 6105-6114. PMLR, 20
[4] ಫಾಲ್ಡು, ಕೆಯೂರ್, ಅಮಿತ್ ಶೇಠ್, ಪ್ರಶಾಂತ್ ಕಿಕಾನಿ ಮತ್ತು ಹೇಮಾಂಗ್ ಅಕಬರಿ. “ಕಿ-ಬೆರ್ಟ್: ಇನ್‌ಫ್ಯೂಸಿಂಗ್ ನಾಲೆಜ್ ಕಾಂಟೆಕ್ಸ್ಟ್ ಫಾರ್ ಬೆಟರ್ ಲ್ಯಾಂಗ್ವೇಜ್ ಅಂಡ್ ಡೊಮೇನ್ ಅಂಡರ್‌ಸ್ಟ್ಯಾಂಡಿಂಗ್.” arXiv ಪ್ರಿಪ್ರಿಂಟ್ arXiv:2104.08145 (2021).
[5] ಗೌರ್, ಮಾನಸ್, ಕೆಯೂರ್ ಫಾಲ್ಡು ಮತ್ತು ಅಮಿತ್ ಶೇತ್. ” ಸೆಮ್ಯಾಂಟಿಕ್ಸ್ ಆಫ್ ದ ಬ್ಲ್ಯಾಕ್–ಬಾಕ್ಸ್ : ಕ್ಯಾನ್ ನಾಲೆಡ್ಜ್ ಗ್ರಾಫ್ಸ್ ಹೆಲ್ಪ್ ಮೇಕ್ ಡಿಪ್ ಲರ್ನಿಂಗ್ ಸಿಸ್ಟಂಸ್ ಮೋರ್ ಇನ್ಟರ್‌ಪ್ರೆಟೇಬಲ್ ಅಂಡ್ ಎಕ್ಸ್‌ಪ್ಲೆನಬಲ್?.” IEEE ಇಂಟರ್ನೆಟ್ ಕಂಪ್ಯೂಟಿಂಗ್ 25, ನಂ. 1 (2021): 51-59.
[6] ಗೌರ್, ಮಾನಸ್, ಅಂಕಿತ್ ದೇಸಾಯಿ, ಕೆಯೂರ್ ಫಲ್ದು ಮತ್ತು ಅಮಿತ್ ಶೇಟ್. “ಎಕ್ಸಪ್ಲೈನಬಲ್‌ AI ಯೂಸಿಂಗ್ ನಾಲೆಜ್ ಗ್ರಾಫ್ಸ್.” ACM CoDS-COMAD ಸಮ್ಮೇಳನದಲ್ಲಿ. 2020.
[7] ಶೇತ್, ಅಮಿತ್, ಮಾನಸ್ ಗೌರ್, ಕೌಶಿಕ್ ರಾಯ್ ಮತ್ತು ಕೆಯೂರ್ ಫಾಲ್ಡು. “ನಾಲೆಜ್-ಇಂಟೆನ್ಸಿವ್ ಲ್ಯಾಂಗ್ವೇಜ್ ಅಂಡರ್‌ಸ್ಟ್ಯಾಂಡಿಂಗ್ ಫಾರ್ ಡೆಸ್ಕ್ರಿಪ್ಟಿವ್ AI.” IEEE ಇಂಟರ್ನೆಟ್ ಕಂಪ್ಯೂಟಿಂಗ್ 25, ನಂ. 5 (2021): 19-24.
[8] “#RAISE2020 – Embibe – AI-ಪವರ್ಡ್ ಲರ್ನಿಂಗ್ ಔಟ್‌ಕಮ್ಸ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಫಾರ್ ಪರ್ಸನಲೈಸ್ಡ್ ಎಡುಕೇಷನ್ ಫಲಿತಾಂಶಗಳ ವೇದಿಕೆ”, MyGov ಇಂಡಿಯಾ, ಅಕ್ಟೋಬರ್ 2020.
https://www.youtube.com/watch?v=kuwFtHgN3qU
[9] ಫಾಲ್ಡು, ಕೆಯೂರ್, ಅದಿತಿ ಅವಸ್ತಿ ಮತ್ತು ಅಚಿಂತ್ ಥಾಮಸ್. “ಅಡಾಪ್ಟಿವ್ ಲರ್ನಿಂಗ್ ಮಷೀನ್ ಫಾರ್ ಸ್ಕೋರ್ ಇಂಪ್ರೂವ್ಮೆಂಟ್ ಅಂಡ್ ಪಾರ್ಟ್ಸ್ ದೇರ್‌ಆಫ್‌.” U.S. ಪೇಟೆಂಟ್ 10,854,099, ಡಿಸೆಂಬರ್ 1, 2020 ರಂದು ನೀಡಲಾಗಿದೆ.”
← AI ಹೋಂಗೆ ಹಿಂತಿರುಗಿ
