🌐聯邦學習

在不共享原始資料的情況下，跨去中心化設備訓練模型。

🔢少樣本學習

每個類別僅從少量標記範例中學習。

🎛️微調

在較小的特定任務資料集上進一步訓練預訓練模型。

⚔️生成對抗網絡

兩個網路相互競爭：生成器創建數據，判別器判斷數據。

🎨生成式人工智慧

能夠創建新內容（例如文字、圖像或音訊）的人工智慧系統。

✨生成模型

學習產生與訓練集相似的新資料的模型。

⛰️梯度下降

一種迭代最小化損失函數的最佳化演算法。

🕸️圖神經網絡

專為處理圖結構資料而設計的神經網路。

🎚️超參數

控制模型訓練過程的配置設定。

🧩影像分割

將影像分割成區域以識別物件和邊界。

⚙️推理

使用訓練好的模型對新資料進行預測的過程。

🧪知識提煉

訓練一個小型模型來模仿一個大型模型的行為。

🕸️知識圖譜

實體及其關係的結構化表示。

🏷️標籤

與訓練樣本關聯的已知輸出或目標值。

📖大型語言模型

是基於Transformer的模型，在海量文本語料庫上進行訓練。

👻潛在變量

從資料推斷的、影響結果的未觀察到的變數。

🧠長短期記憶

一種學習長程依賴關係的循環網路架構。

📏損失函數

衡量預測值與實際值之間差異的函數。

📈機器學習

一個演算法透過經驗和數據自動改進的領域。

📦模型

從資料中學習到的、能夠進行預測的數學表示。

🗜️模型壓縮

能夠減小模型大小以實現更快、更便宜部署的技術。

🎭多模態學習

從文字和圖像等多種類型的資料中學習和整合。

🗣️自然語言處理

計算機科學是使電腦能夠理解和產生人類語言的領域。

🔗神經網絡

一種受生物神經元啟發，能夠從數據中學習的計算系統。

🔲目標偵測

辨識並定位影像或影片中的物體。

🗺️本體論

對某一領域中的概念和關係進行正式規範。

🔎光學字元識別

將文字圖像轉換為機器編碼文字。

🎯過擬合

當模型對訓練資料學習得太好而無法泛化。

🎯精確率和召回率

衡量分類器準確性和完整性的指標。

✍️快速工程

設計輸入以引導語言模型達到預期的輸出。