preprocess câu

• Step 1: Preliminary Process
  Bước 1: Preprocess
• A gateway provides a place to preprocess that data locally at the edge before sending it on to the cloud.
  Một Gateway cung cấp một nơi để xử lý trước dữ liệu cục bộ ở cạnh trước khi gửi nó lên đám mây.
• Then you input the data into the GIS, preprocess the datasets, analyze them, and create some output.
  Sau đó bạn nhập dữ liệu vào hệ thống GIS, tiền xử lý các tập dữ liệu, phân tích chúng, rồi tạo ra kết quả đầu ra nào đó.
• In the everyday roles and responsibilities of a data scientist, the main requirement is to preprocess data, that is, performing data cleaning and transformation.
  Trong các vai trò và trách nhiệm hàng ngày của một nhà khoa học dữ liệu, yêu cầu chính là xử lý trước dữ liệu, nghĩa là thực hiện việc lọc và chuyển đổi dữ liệu.
• Many of those were predictable, such as requiring Tehran to “stop enrichment of uranium and never preprocess plutonium” – because obviously, the International Atomic Energy Agency (IAEA) is not good enough to hold Iran to its word.
  Nhiều yêu cầu trong số này có thể đoán trước, ví dụ như yêu cầu Tehran "ngừng làm giàu uranium và không bao giờ tiền xử lý plutonium", bởi vì chỉ mình IAEA là không đủ để Iran giữ lời.
• Differential gene expression and pathway analysis were performed to compare signatures of young and old muscle tissue and to preprocess the resulting data for a set of machine learning algorithms.
  Việc phân tích biểu hiện gien khác biệt được thực hiện để so sánh biểu hiện cả các mô cơ trẻ và già và để xử lý trước dữ liệu kết quả cho một tập hợp các thuật toán học máy.
• Differential gene expression and pathway analysis were performed to compare signatures of young and old muscle tissues and to preprocess the resulting data for a set of machine learning algorithms.
  Việc phân tích biểu hiện gien khác biệt được thực hiện để so sánh biểu hiện cả các mô cơ trẻ và già và để xử lý trước dữ liệu kết quả cho một tập hợp các thuật toán học máy.
• This applies not only to your primary and secondary datasets, but also to every layer you preprocess and create as the result of analytical functions (those discussed in Chapter 5).
  Điều này không chỉ đúng cho các tập dữ liệu thứ cấp và sơ cấp bạn có, mà còn áp dụng cho mọi lớp mà bạn tiền xử lý và tạo ra sau khi dùng các hàm toán học (sẽ được đề cập đến trong Chương 5).
• Taking enough time to define the right question, properly preprocess data, and consider the impact of using a specific model can greatly improve the success of your Machine Learning project.
  Dành đủ thời gian để xác định câu hỏi đúng, dữ liệu tiền xử lý đúng và xem xét tác động của việc sử dụng mô hình của bạn có thể cải thiện đáng kể sự thành công của dự án Machine Leanning của bạn.
• Taking sufficient time to define the right question, properly preprocess data, and consider the impact of using your model can greatly improve the success of your ML project.
  Dành đủ thời gian để xác định câu hỏi đúng, dữ liệu tiền xử lý đúng và xem xét tác động của việc sử dụng mô hình của bạn có thể cải thiện đáng kể sự thành công của dự án Machine Leanning của bạn.