🌐Uczenie federacyjne

Szkolenie modeli na zdecentralizowanych urządzeniach bez udostępniania surowych danych.

🔢Uczenie few-shot

Uczenie się tylko na podstawie niewielkiej liczby oznaczonych przykładów na zajęciach.

🎛️Dostrajanie

Dalsze szkolenie wstępnie wytrenowanego modelu na mniejszym zestawie danych specyficznych dla danego zadania.

⚔️Generatywna sieć przeciwstawna

Konkurują ze sobą dwie sieci: generator tworzy dane, a dyskryminator je ocenia.

🎨Generatywna sztuczna inteligencja

Systemy sztucznej inteligencji, które potrafią tworzyć nowe treści, takie jak tekst, obrazy lub dźwięki.

✨Model generatywny

Model, który uczy się generować nowe dane przypominające zestaw treningowy.

⛰️Gradient prosty

Algorytm optymalizacyjny, który iteracyjnie minimalizuje funkcję straty.

🕸️Grafowa sieć neuronowa

Sieć neuronowa zaprojektowana do operowania na danych w formie grafu.

🎚️Hiperparametr

Ustawienie konfiguracji sterujące procesem szkolenia modelu.

🧩Segmentacja obrazu

Podział obrazu na obszary w celu identyfikacji obiektów i granic.

⚙️Wnioskowanie

Proces wykorzystywania wytrenowanego modelu do tworzenia przewidywań na podstawie nowych danych.

🧪Destylacja wiedzy

Trenowanie małego modelu w celu naśladowania zachowań większego modelu.

🕸️Graf wiedzy

Ustrukturyzowana reprezentacja jednostek i ich relacji.

🏷️Etykieta

Znana wartość wyjściowa lub docelowa powiązana z przykładem szkoleniowym.

📖Duży model językowy

Model oparty na transformatorach, trenowany na ogromnych korpusach tekstowych.

👻Zmienna ukryta

Nieobserwowana zmienna wywnioskowana z danych, która wpływa na wyniki.

🧠Sieć LSTM

Rekurencyjna architektura sieciowa, która uczy się zależności dalekiego zasięgu.

📏Funkcja straty

Funkcja mierząca różnicę między wartościami przewidywanymi i rzeczywistymi.

📈Uczenie maszynowe

Dziedzina, w której algorytmy udoskonalają się automatycznie dzięki doświadczeniu i danym.

📦Model

Reprezentacja matematyczna oparta na danych, która umożliwia dokonywanie przewidywań.

🗜️Kompresja modelu

Techniki zmniejszające rozmiar modelu w celu szybszego i tańszego wdrożenia.

🎭Uczenie multimodalne

Uczenie się i integrowanie różnych typów danych, takich jak tekst i obrazy.

🗣️Przetwarzanie języka naturalnego

Dziedzina umożliwiająca komputerom rozumienie i generowanie języka ludzkiego.

🔗Sieć neuronowa

System komputerowy inspirowany neuronami biologicznymi, który uczy się na podstawie danych.

🔲Wykrywanie obiektów

Identyfikowanie i lokalizowanie obiektów na obrazie lub wideo.

🗺️Ontologia

Formalna specyfikacja pojęć i relacji w domenie.

🔎Optyczne rozpoznawanie znaków

Konwersja obrazów tekstu na tekst kodowany maszynowo.

🎯Nadmierne dopasowanie

Kiedy model zbyt dobrze uczy się danych treningowych i nie potrafi generalizować.

🎯Precyzja i czułość

Metryki mierzące dokładność i kompletność klasyfikatora.

✍️Inżynieria promptów

Projektowanie danych wejściowych w celu pokierowania modelem języka w stronę pożądanych wyników.