Gennemse alt indhold i kategorien Glossary
Lead routing er processen med automatisk at tildele indkommende salgsemner til de relevante salgsrepræsentanter i en organisation, så potentielle kunder matches med den bedste repræsentant baseret på kriterier som placering, produktinteresse og ekspertise. Lær, hvordan automatisering og AI optimerer leaddistribution for bedre konvertering og kundeoplevelse.
Lead scraping automatiserer udtrækningen af værdifulde kontaktdata fra online kilder, hvilket gør det muligt for virksomheder effektivt at opbygge højkvalitets lead-databaser til målrettet markedsføring og salg, samtidig med at databeskyttelsesregler overholdes.
Lexile-rammen for læsning er en videnskabelig metode til at måle både en læsers evne og tekstens kompleksitet på samme udviklingsskala, hvilket hjælper med at matche læsere med passende udfordrende tekster og fremmer læseudvikling.
LightGBM, eller Light Gradient Boosting Machine, er en avanceret gradient boosting-ramme udviklet af Microsoft. Designet til højtydende maskinlæringsopgaver såsom klassifikation, rangering og regression, udmærker LightGBM sig ved at håndtere store datasæt effektivt, samtidig med at den bruger minimal hukommelse og leverer høj nøjagtighed.
Lineær regression er en grundlæggende analytisk teknik inden for statistik og maskinlæring, der modellerer forholdet mellem afhængige og uafhængige variabler. Kendt for sin enkelhed og fortolkelighed, er den fundamental for prædiktiv analyse og datamodellering.
Lær om LIX Læselighedsmål – en formel udviklet til at vurdere tekstkompleksitet ved at analysere sætningslængde og lange ord. Forstå dens anvendelser i uddannelse, udgivelse, journalistik, AI og mere.
Filen llms.txt er en standardiseret Markdown-fil designet til at optimere, hvordan Large Language Models (LLM'er) tilgår og behandler websiteindhold. Placeret i roden af et website giver den et kurateret, maskinlæsbart indeks for at forbedre AI-drevne interaktioner.
Logistisk regression er en statistisk og maskinlæringsmetode, der bruges til at forudsige binære udfald ud fra data. Den estimerer sandsynligheden for, at en begivenhed indtræffer baseret på en eller flere uafhængige variable og anvendes bredt inden for sundhedsvæsen, finans, marketing og AI.
Logtab, eller logaritmisk/kryds-entropitab, er en nøglemetrik til at evaluere ydeevnen af maskinlæringsmodeller—særligt til binær klassifikation—ved at måle afvigelsen mellem forudsagte sandsynligheder og faktiske udfald, hvor forkerte eller overkonfidente forudsigelser straffes.
Long Short-Term Memory (LSTM) er en specialiseret type af Recurrent Neural Network (RNN)-arkitektur, der er designet til at lære langsigtede afhængigheder i sekventielle data. LSTM-netværk anvender hukommelsesceller og portmekanismer for at løse problemet med forsvindende gradient, hvilket gør dem uundværlige til opgaver såsom sprogmodellering, talegenkendelse og tidsserieprognoser.
Lydtransskription er processen, hvor talt sprog fra lydoptagelser omdannes til skriftlig tekst, hvilket gør taler, interviews, forelæsninger og andre lydformater tilgængelige og søgbare. Fremskridt inden for AI har forbedret transskriptionsnøjagtighed og effektivitet og understøtter medie-, akademiske, juridiske og indholdsskabelsesindustrier.
En læringskurve inden for kunstig intelligens er en grafisk repræsentation, der illustrerer forholdet mellem en models læringspræstation og variabler som datasætsstørrelse eller træningsiterationer, hvilket hjælper med at diagnosticere bias-varians-afvejninger, modelvalg og optimering af træningsprocesser.
Læselighed måler, hvor let det er for en læser at forstå skrevet tekst, og afspejler klarhed og tilgængelighed gennem ordforråd, sætningsstruktur og organisering. Opdag dens betydning, måleformler og hvordan AI-værktøjer forbedrer læselighed i uddannelse, markedsføring, sundhedspleje og mere.
Opdag hvad læseniveau betyder, hvordan det måles, og hvorfor det er vigtigt. Lær om forskellige vurderingssystemer, faktorer der påvirker læseevne, og strategier til at forbedre dit læseniveau – herunder AI's rolle i personlig læring.
Maskinlæring (ML) er en underkategori af kunstig intelligens (AI), der gør det muligt for maskiner at lære af data, identificere mønstre, lave forudsigelser og forbedre beslutningstagning over tid uden eksplicit programmering.
En maskinlæringspipeline er et automatiseret workflow, der strømliner og standardiserer udvikling, træning, evaluering og implementering af maskinlæringsmodeller og effektivt omdanner rå data til handlingsrettede indsigter i stor skala.
Model Context-protokollet (MCP) er en åben standardgrænseflade, der gør det muligt for store sprogmodeller (LLM'er) at tilgå eksterne datakilder, værktøjer og funktioner sikkert og konsistent – som et 'USB-C' for AI-systemer.
Mean Absolute Error (MAE) er en grundlæggende målemetode inden for maskinlæring til evaluering af regressionsmodeller. Den måler den gennemsnitlige størrelse af fejl i forudsigelser og giver en enkel og fortolkelig måde at vurdere modellens nøjagtighed på uden at tage højde for fejlsretningen.
Mean Average Precision (mAP) er en vigtig måleenhed inden for computer vision til evaluering af objektgenkendelsesmodeller, der indfanger både detektions- og lokaliseringsnøjagtighed med en enkelt skalarværdi. Den bruges bredt til benchmarking og optimering af AI-modeller til opgaver som autonom kørsel, overvågning og informationssøgning.
Human-in-the-Loop (HITL) er en AI- og maskinlæringstilgang, der integrerer menneskelig ekspertise i træning, justering og anvendelse af AI-systemer, hvilket øger nøjagtigheden, reducerer fejl og sikrer overholdelse af etiske standarder.
Opdag hvordan 'Mente du' (DYM) i NLP identificerer og retter fejl i brugerinput, såsom tastefejl eller stavefejl, og foreslår alternativer for at forbedre brugeroplevelsen i søgemaskiner, chatbots og meget mere.
Et metaprompt i kunstig intelligens er en højniveau-instruktion designet til at generere eller forbedre andre prompts for store sprogmodeller (LLM'er), hvilket forbedrer AI-resultater, automatiserer opgaver og øger flerstegs ræsonnement i chatbots og automatiseringsworkflows.
Find ud af mere om Mistral AI og de LLM-modeller, de tilbyder. Oplev hvordan disse modeller bruges, og hvad der adskiller dem fra andre.
Model-fortolkelighed henviser til evnen til at forstå, forklare og have tillid til de forudsigelser og beslutninger, som maskinlæringsmodeller træffer. Det er afgørende i AI, især for beslutningstagning inden for sundhedsvæsen, finans og autonome systemer, da det bygger bro mellem komplekse modeller og menneskelig forståelse.
Modeldrift, eller modelnedbrydning, refererer til faldet i en maskinlæringsmodels forudsigende præstation over tid på grund af ændringer i det virkelige miljø. Lær om typer, årsager, metoder til detektion og løsninger på modeldrift inden for AI og maskinlæring.
Modelkollaps er et fænomen inden for kunstig intelligens, hvor en trænet model forringes over tid, især når den er afhængig af syntetiske eller AI-genererede data. Dette fører til reduceret outputdiversitet, sikre svar og en nedsat evne til at producere kreativt eller originalt indhold.
Modelrobusthed refererer til en maskinlæringsmodels (ML) evne til at opretholde ensartet og nøjagtig ydeevne på trods af variationer og usikkerheder i inputdataene. Robuste modeller er afgørende for pålidelige AI-applikationer og sikrer modstandsdygtighed over for støj, outliers, distributionsskift og adversarielle angreb.
Monte Carlo-metoder er beregningsalgoritmer, der bruger gentagen tilfældig udtagning til at løse komplekse, ofte deterministiske problemer. De bruges bredt inden for finans, ingeniørvidenskab, AI og mere, og de muliggør modellering af usikkerhed, optimering og risikovurdering ved at simulere adskillige scenarier og analysere sandsynlige udfald.
Multi-hop-reasoning er en AI-proces, især inden for NLP og vidensgrafer, hvor systemer forbinder flere informationsstykker for at besvare komplekse spørgsmål eller træffe beslutninger. Det muliggør logiske forbindelser på tværs af datakilder, understøtter avanceret spørgsmål-besvarelse, vidensgraf-udfyldning og smartere chatbots.
Apache MXNet er et open source deep learning-rammeværk designet til effektiv og fleksibel træning og udrulning af dybe neurale netværk. Kendt for sin skalerbarhed, hybride programmeringsmodel og understøttelse af flere sprog, giver MXNet forskere og udviklere mulighed for at bygge avancerede AI-løsninger.
Mønstergenkendelse er en beregningsproces til at identificere mønstre og regelmæssigheder i data, hvilket er afgørende inden for områder som AI, datalogi, psykologi og dataanalyse. Det automatiserer genkendelse af strukturer i tale, tekst, billeder og abstrakte datasæt, hvilket muliggør intelligente systemer og applikationer såsom computer vision, talegenkendelse, OCR og bedrageridetektion.
Naiv Bayes er en familie af klassifikationsalgoritmer baseret på Bayes’ sætning, som anvender betinget sandsynlighed med den forsimplede antagelse, at features er betinget uafhængige. På trods af dette er Naiv Bayes-klassifikatorer effektive, skalerbare og bruges i applikationer som spam-detektion og tekstklassifikation.
Naturlig sprog-generering (NLG) er et underområde af AI, der fokuserer på at omdanne strukturerede data til menneskelignende tekst. NLG driver applikationer såsom chatbots, stemmeassistenter, indholdsskabelse og meget mere ved at generere sammenhængende, kontekstuelt relevante og grammatisk korrekte narrativer.
Naturlig sprogforståelse (NLU) er et underområde af AI, der fokuserer på at gøre maskiner i stand til at forstå og fortolke menneskesprog i kontekst, hvilket går ud over basal tekstbehandling for at genkende intention, semantik og nuancer til brug i bl.a. chatbots, sentimentanalyse og maskinoversættelse.
Navngiven Enhedsgenkendelse (NER) er et centralt delområde inden for Natural Language Processing (NLP) i AI, der fokuserer på at identificere og klassificere enheder i tekst i foruddefinerede kategorier såsom personer, organisationer og steder for at forbedre dataanalyse og automatisere informationsudtræk.
Et negativt prompt i AI er en instruks, der fortæller modeller, hvad de ikke skal inkludere i deres genererede output. I modsætning til traditionelle prompts, der guider indholdsskabelse, specificerer negative prompts elementer, stilarter eller funktioner, der skal undgås, hvilket forbedrer resultaterne og sikrer overensstemmelse med brugerens præferencer, især i generative modeller som Stable Diffusion og Midjourney.
Net New Business refererer til den omsætning, der genereres fra nyerhvervede kunder eller genaktiverede konti inden for en bestemt periode, typisk eksklusive enhver omsætning fra opsalg eller krydssalg til eksisterende aktive kunder. Det er en kritisk måleenhed for virksomheder, der ønsker at måle vækst drevet af en udvidelse af kundebasen frem for udelukkende at stole på yderligere salg til nuværende kunder.
Neuromorfisk computing er en banebrydende tilgang til computerteknik, der modellerer både hardware- og softwareelementer efter den menneskelige hjerne og nervesystem. Dette tværfaglige felt, også kendt som neuromorfisk ingeniørvidenskab, trækker på datalogi, biologi, matematik, elektronikteknik og fysik for at skabe bio-inspirerede computersystemer og hardware.
Natural Language Toolkit (NLTK) er en omfattende samling af Python-biblioteker og -programmer til symbolsk og statistisk behandling af naturligt sprog (NLP). Bredt anvendt i akademiske og industrielle sammenhænge, tilbyder det værktøjer til tokenisering, stemming, lemmatisering, POS-tagging og meget mere.
No-Code AI-platforme gør det muligt for brugere at bygge, implementere og administrere AI- og maskinlæringsmodeller uden at skrive kode. Disse platforme tilbyder visuelle grænseflader og forudbyggede komponenter, hvilket demokratiserer AI for forretningsbrugere, analytikere og fageksperter.
NSFW, et akronym for Not Safe For Work (ikke egnet til arbejde), er en internetslang, der bruges til at mærke indhold, der kan være upassende eller stødende at se i offentlige eller professionelle sammenhænge. Denne betegnelse fungerer som en advarsel om, at materialet kan indeholde elementer som nøgenhed, seksuelt indhold, grafisk vold, bandeord eller andre følsomme emner, der ikke er passende på arbejdspladser eller i skoler.
NumPy er et open-source Python-bibliotek, der er afgørende for numerisk databehandling og tilbyder effektive arrayoperationer og matematiske funktioner. Det danner grundlaget for videnskabelig databehandling, datavidenskab og machine learning-workflows ved at muliggøre hurtig databehandling i stor skala.
Opdag omkostningerne forbundet med at træne og implementere store sprogmodeller (LLM'er) som GPT-3 og GPT-4, herunder udgifter til computation, energi og hardware, og udforsk strategier til at håndtere og reducere disse omkostninger.
Open Neural Network Exchange (ONNX) er et open source-format til problemfri udveksling af maskinlæringsmodeller på tværs af forskellige frameworks, hvilket øger fleksibiliteten ved implementering, standardisering og hardwareoptimering.
OpenAI er en førende forskningsorganisation inden for kunstig intelligens, kendt for at udvikle GPT, DALL-E og ChatGPT, og har som mål at skabe sikker og gavnlig kunstig generel intelligens (AGI) til menneskeheden.
OpenCV er et avanceret open source-bibliotek til computer vision og maskinlæring, der tilbyder 2500+ algoritmer til billedbehandling, objektdetektion og realtidsapplikationer på tværs af flere sprog og platforme.
Optisk Tegngenkendelse (OCR) er en banebrydende teknologi, der omdanner dokumenter som scannede papirer, PDF'er eller billeder til redigerbare og søgbare data. Lær, hvordan OCR fungerer, dens typer, anvendelser, fordele, begrænsninger og de nyeste fremskridt inden for AI-drevne OCR-systemer.
Ordklassemærkning (POS tagging) er en central opgave inden for beregningslingvistik og naturlig sprogbehandling (NLP). Det indebærer at tildele hvert ord i en tekst dets tilsvarende ordklasse, baseret på dets betydning og kontekst i en sætning. Hovedformålet er at kategorisere ord i grammatiske kategorier såsom navneord, udsagnsord, tillægsord, biord osv., hvilket gør det muligt for maskiner at behandle og forstå menneskesprog mere effektivt.
Overfitting er et kritisk begreb inden for kunstig intelligens (AI) og maskinlæring (ML), som opstår, når en model lærer træningsdataene for grundigt, inklusive støj, hvilket fører til dårlig generalisering på nye data. Lær hvordan du identificerer og forhindrer overfitting med effektive teknikker.
Pandas er et open-source bibliotek til datamanipulation og -analyse for Python, kendt for sin alsidighed, robuste datastrukturer og brugervenlighed ved håndtering af komplekse datasæt. Det er en hjørnesten for dataanalytikere og data scientists og understøtter effektiv datarensning, transformation og analyse.
Parafrasering i kommunikation er evnen til at gentage en andens budskab med egne ord, mens den oprindelige betydning bevares. Det sikrer klarhed, fremmer forståelse og forbedres af AI-værktøjer, der effektivt tilbyder alternative udtryk.
Parameter-Efficient Fine-Tuning (PEFT) er en innovativ tilgang inden for AI og NLP, der gør det muligt at tilpasse store fortrænede modeller til specifikke opgaver ved kun at opdatere en lille delmængde af deres parametre, hvilket reducerer de beregningsmæssige omkostninger og træningstiden for effektiv implementering.
Pathways Language Model (PaLM) er Googles avancerede familie af store sprogmodeller, designet til alsidige anvendelser som tekstgenerering, ræsonnement, kodeanalyse og flersproget oversættelse. Bygget på Pathways-initiativet udmærker PaLM sig ved ydeevne, skalerbarhed og ansvarlige AI-praksisser.
Perplexity AI er en avanceret AI-drevet søgemaskine og samtaleværktøj, der udnytter NLP og maskinlæring til at levere præcise, kontekstuelle svar med kildehenvisninger. Ideel til forskning, læring og professionel brug, integrerer den flere store sprogmodeller og kilder for nøjagtig, realtids informationssøgning.
Personliggjort markedsføring med AI udnytter kunstig intelligens til at skræddersy markedsføringsstrategier og kommunikation til individuelle kunder baseret på adfærd, præferencer og interaktioner, hvilket øger engagement, tilfredshed og konverteringsrater.
Plotly er et avanceret open source-grafbibliotek til at skabe interaktive, publikationsegnet grafer online. Kompatibelt med Python, R og JavaScript, giver Plotly brugere mulighed for at levere komplekse datavisualiseringer og understøtter et bredt udvalg af diagramtyper, interaktivitet og webapp-integration.
Posestimat er en computer vision-teknik, der forudsiger positionen og orienteringen af en person eller et objekt i billeder eller videoer ved at identificere og spore nøglepunkter. Det er essentielt for applikationer som sportsanalyse, robotteknologi, gaming og selvkørende biler.
Inden for LLM'er er et prompt den indtastede tekst, der guider modellens output. Lær, hvordan effektive prompts, herunder zero-, one-, few-shot og chain-of-thought-teknikker, forbedrer svarenes kvalitet i AI-sprogmodeller.
Prompt engineering er praksissen med at designe og forfine input til generative AI-modeller for at opnå optimale resultater. Dette indebærer at udforme præcise og effektive prompts, der guider AI'en til at generere tekst, billeder eller andre former for indhold, der opfylder specifikke krav.
PyTorch er et open source-maskinlæringsframework udviklet af Meta AI, kendt for sin fleksibilitet, dynamiske beregningsgrafer, GPU-acceleration og problemfri integration med Python. Det er bredt anvendt til deep learning, computer vision, NLP og forskningsapplikationer.
