🔢Cuantización

Reducir la precisión de los parámetros del modelo para ahorrar memoria y cálculo.

🔁Red neuronal recurrente

Una red con bucles que conserva memoria de entradas anteriores.

📉Regresión

La tarea de predecir un valor numérico continuo a partir de características.

⚖️Regularización

Técnicas que penalizan la complejidad para evitar el sobreajuste.

🎮Aprendizaje por refuerzo

Aprender por ensayo y error maximizando la recompensa acumulada.

🎲Máquina de Boltzmann restringida

Una red neuronal estocástica generativa con unidades visibles y ocultas.

🦾Robótica

El diseño, la construcción y el funcionamiento de máquinas inteligentes.

🪞Autoatención

Un mecanismo de atención que relaciona distintas posiciones dentro de una misma secuencia.

🌗Aprendizaje semisupervisado

Aprendizaje que combina pocos datos etiquetados con datos sin etiquetar.

🎤Reconocimiento del habla

Transcribir el lenguaje hablado a texto escrito.

👨‍🏫Aprendizaje supervisado

Aprender de datos etiquetados para asociar entradas a salidas conocidas.

🔊Síntesis de voz

Sintetizar audio hablado a partir de texto escrito.

✂️Tokenización

El proceso de dividir un texto en unidades menores llamadas tokens.

📚Datos de entrenamiento

El conjunto de datos usado para enseñar a un modelo a hacer predicciones.

🔄Aprendizaje por transferencia

Reutilizar el conocimiento de una tarea para mejorar el rendimiento en otra.

🤖Transformer

Una arquitectura de red neuronal basada en mecanismos de autoatención.

📉Subajuste

Un modelo es demasiado simple para captar la estructura subyacente de los datos.

🔍Aprendizaje no supervisado

Aprender de datos sin etiquetar para descubrir patrones ocultos.

🗜️Autocodificador variacional

Un modelo generativo que aprende una representación latente de los datos de entrada.

🔤Incrustación de palabras

Una representación vectorial densa de las palabras que capta su significado.

0️⃣Aprendizaje sin ejemplos

La capacidad de un modelo de abordar tareas para las que no fue entrenado explícitamente.