Bekijk alle inhoud in de categorie Glossary
Ontdek recall in machine learning: een cruciale maatstaf voor het evalueren van modelprestaties, vooral bij classificatietaken waarbij het correct identificeren van positieve gevallen essentieel is. Leer de definitie, berekening, het belang, toepassingsgebieden en strategieën voor verbetering.
Recurrent Neural Networks (RNN's) zijn een geavanceerde klasse van kunstmatige neurale netwerken die zijn ontworpen om sequentiële data te verwerken door gebruik te maken van geheugen van eerdere invoer. RNN's blinken uit in taken waarbij de volgorde van data van cruciaal belang is, waaronder NLP, spraakherkenning en tijdreeksvoorspelling.
Recursief prompten is een AI-techniek die wordt gebruikt met grote taalmodellen zoals GPT-4, waarmee gebruikers outputs iteratief kunnen verfijnen via een dialoog heen en weer voor resultaten van hogere kwaliteit en meer nauwkeurigheid.
Redeneren is het cognitieve proces van het trekken van conclusies, het maken van gevolgtrekkingen of het oplossen van problemen op basis van informatie, feiten en logica. Ontdek het belang ervan in AI, waaronder het o1-model van OpenAI en geavanceerde redeneervaardigheden.
Redigeren van teksten is het proces van het beoordelen en corrigeren van geschreven materiaal om de nauwkeurigheid, leesbaarheid en samenhang te verbeteren. Dit omvat het controleren op grammaticale fouten, spelfouten, interpunctieproblemen en het waarborgen van consistentie in stijl en toon door het hele document. AI-tools zoals Grammarly helpen bij routinematige controles, maar menselijk oordeel blijft cruciaal.
Regelgeving gegevensbescherming zijn juridische kaders, beleidsmaatregelen en standaarden die persoonlijke gegevens beveiligen, het verwerken ervan beheren en de privacyrechten van individuen wereldwijd beschermen. Ze zorgen voor naleving, voorkomen ongeoorloofde toegang en waarborgen de rechten van betrokkenen in het digitale tijdperk.
Regularisatie in kunstmatige intelligentie (AI) verwijst naar een reeks technieken die worden gebruikt om overfitting in machine learning-modellen te voorkomen door beperkingen tijdens het trainen in te voeren, waardoor de modellen beter generaliseren naar onbekende data.
Reinforcement Learning (RL) is een subset van machine learning die zich richt op het trainen van agenten om reeksen beslissingen te nemen binnen een omgeving, waarbij optimale gedragingen worden geleerd door feedback in de vorm van beloningen of straffen. Ontdek kernbegrippen, algoritmes, toepassingen en uitdagingen van RL.
Reinforcement Learning (RL) is een methode voor het trainen van machine learning-modellen waarbij een agent leert om beslissingen te nemen door acties uit te voeren en feedback te ontvangen. De feedback, in de vorm van beloningen of straffen, stuurt de agent om de prestaties in de loop van de tijd te verbeteren. RL wordt veel gebruikt in gaming, robotica, financiën, gezondheidszorg en autonome voertuigen.
Reinforcement Learning van Menselijke Feedback (RLHF) is een machine learning-techniek die menselijke input integreert om het trainingsproces van reinforcement learning-algoritmes te sturen. In tegenstelling tot traditionele reinforcement learning, dat uitsluitend vertrouwt op vooraf gedefinieerde beloningssignalen, maakt RLHF gebruik van menselijke oordelen om het gedrag van AI-modellen vorm te geven en te verfijnen. Deze aanpak zorgt ervoor dat de AI beter aansluit bij menselijke waarden en voorkeuren, waardoor het bijzonder nuttig is bij complexe en subjectieve taken.
Remote MCP (Model Context Protocol) is een systeem waarmee AI-agenten externe tools, databronnen en diensten kunnen benaderen via gestandaardiseerde interfaces die op externe servers worden gehost. Dit stelt AI-modellen in staat om te communiceren met gespecialiseerde functies en informatie buiten hun trainingsdata, waardoor hun mogelijkheden worden uitgebreid terwijl veiligheid en flexibiliteit behouden blijven.
Rendement op Kunstmatige Intelligentie (ROAI) meet de impact van AI-investeringen op de bedrijfsvoering, productiviteit en winstgevendheid van een bedrijf. Leer hoe je het rendement van je AI-initiatieven kunt beoordelen, meten en maximaliseren aan de hand van strategieën, praktijkvoorbeelden en onderzoeksinzichten.
Retrieval Augmented Generation (RAG) is een geavanceerd AI-framework dat traditionele informatieretrievialsystemen combineert met generatieve grote taalmodellen (LLM's), waardoor AI tekst kan genereren die nauwkeuriger, actueler en contextueel relevanter is door externe kennis te integreren.
Een Receiver Operating Characteristic (ROC)-curve is een grafische weergave die wordt gebruikt om de prestaties van een binair classificatiesysteem te beoordelen terwijl de discriminatiedrempel wordt gevarieerd. Oorspronkelijk afkomstig uit de signaaldetectietheorie tijdens de Tweede Wereldoorlog, zijn ROC-curves nu essentieel in machine learning, geneeskunde en AI voor modelbeoordeling.
De ROUGE-score is een verzameling metriek die wordt gebruikt om de kwaliteit van door machines gegenereerde samenvattingen en vertalingen te evalueren door deze te vergelijken met menselijke referenties. ROUGE wordt veel gebruikt in NLP en meet de overlap van inhoud en recall, wat helpt bij het beoordelen van samenvattings- en vertaalsystemen.
Leer de basisinformatie over Rytr. Een snel overzicht van de belangrijkste functies, voor- en nadelen, en alternatieven.
Scene Text Recognition (STR) is een gespecialiseerde tak van Optische Tekenherkenning (OCR) die zich richt op het identificeren en interpreteren van tekst in beelden die zijn vastgelegd in natuurlijke omgevingen met behulp van AI en deep learning-modellen. STR maakt toepassingen mogelijk zoals autonome voertuigen, augmented reality en slimme stadsinfrastructuur door complexe, real-world tekst om te zetten in machineleesbare formaten.
Scikit-learn is een krachtige open-source machine learning bibliotheek voor Python, die eenvoudige en efficiënte tools biedt voor voorspellende data-analyse. Veel gebruikt door datawetenschappers en machine learning specialisten, biedt het een breed scala aan algoritmen voor classificatie, regressie, clustering en meer, met naadloze integratie in het Python-ecosysteem.
SciPy is een robuuste open-source Python-bibliotheek voor wetenschappelijk en technisch rekenen. Voortbouwend op NumPy biedt het geavanceerde wiskundige algoritmes, optimalisatie, integratie, gegevensmanipulatie, visualisatie en interoperabiliteit met bibliotheken zoals Matplotlib en Pandas, waardoor het essentieel is voor wetenschappelijk rekenen en data-analyse.
Ontdek wat een seed is in AI-kunst, hoe het het beeldgeneratieproces beïnvloedt en hoe kunstenaars seeds gebruiken voor consistentie of creatieve verkenning op generatieve kunstplatformen.
Semantische analyse is een cruciale Natural Language Processing (NLP)-techniek die betekenis uit tekst interpreteert en afleidt, waardoor machines taalcontext, sentiment en nuances kunnen begrijpen voor verbeterde gebruikersinteractie en zakelijke inzichten.
Semantische segmentatie is een computer vision-techniek die afbeeldingen opdeelt in meerdere segmenten, waarbij aan elke pixel een klassenlabel wordt toegekend dat een object of regio vertegenwoordigt. Het maakt gedetailleerd begrip mogelijk voor toepassingen zoals autonoom rijden, medische beeldvorming en robotica via deep learning-modellen zoals CNN's, FCN's, U-Net en DeepLab.
Semi-gesuperviseerd leren (SSL) is een machine learning-techniek die zowel gelabelde als ongelabelde data gebruikt om modellen te trainen. Dit is ideaal wanneer het labelen van alle data onpraktisch of kostbaar is. Het combineert de voordelen van gesuperviseerd en niet-gesuperviseerd leren om de nauwkeurigheid en generalisatie te verbeteren.
Sentimentanalyse, ook wel opinie-analyse genoemd, is een cruciale AI- en NLP-taak voor het classificeren en interpreteren van de emotionele toon van tekst als positief, negatief of neutraal. Ontdek het belang, de typen, benaderingen en praktische toepassingen voor bedrijven.
Een SEO-score is een numerieke weergave van hoe goed een website voldoet aan SEO-best practices, waarbij technische aspecten, contentkwaliteit, gebruikerservaring en mobiele responsiviteit worden geëvalueerd. Inzicht krijgen in en het verbeteren van je SEO-score is cruciaal voor het vergroten van de zichtbaarheid van je website in zoekmachineresultaten.
Ontdek sequentiemodellering in AI en machine learning—voorspel en genereer reeksen in data zoals tekst, audio en DNA met RNN's, LSTM's, GRU's en Transformers. Verken kernconcepten, toepassingen, uitdagingen en recent onderzoek.
De Singulariteit in Kunstmatige Intelligentie is een theoretisch toekomstpunt waarop machine-intelligentie de menselijke intelligentie overtreft, wat leidt tot snelle, onvoorspelbare maatschappelijke veranderingen. Ontdek de oorsprong, kernbegrippen, gevolgen en lopende debatten.
Smile and Dial is een verkooptechniek waarbij men uitgaande telefoongesprekken voert met potentiële klanten met een positieve, enthousiaste houding. Door te glimlachen tijdens het bellen, wordt de stem warmer en vertrouwder, wat zorgt voor meer betrokkenheid—vooral bij koude acquisitie en telemarketing. Met AI-ondersteuning worden gepersonaliseerde interacties versterkt, ondanks uitdagingen zoals burn-out of regelgeving.
spaCy is een robuuste open-source Python-bibliotheek voor geavanceerde Natural Language Processing (NLP), bekend om zijn snelheid, efficiëntie en productieklare functies zoals tokenisatie, POS-tagging en named entity recognition.
Spijt van aankopen is een psychologisch fenomeen waarbij een individu spijt, angst of ontevredenheid ervaart na het doen van een aankoop. Ontdek de oorzaken, psychologische aspecten, zakelijke gevolgen en de rol van AI bij het voorspellen en verminderen van spijt van aankopen.
Spraakherkenning, ook wel automatische spraakherkenning (ASR) of spraak-naar-tekst genoemd, stelt computers in staat gesproken taal te interpreteren en om te zetten in geschreven tekst, en vormt de basis voor toepassingen van virtuele assistenten tot toegankelijkheidshulpmiddelen, waardoor de interactie tussen mens en machine wordt getransformeerd.
Spraakherkenning, ook bekend als automatische spraakherkenning (ASR) of spraak-naar-tekst, is een technologie die machines en programma’s in staat stelt om gesproken taal te interpreteren en om te zetten naar geschreven tekst. Deze krachtige mogelijkheid is anders dan stemherkenning, waarmee de stem van een individuele spreker wordt geïdentificeerd. Spraakherkenning richt zich puur op het vertalen van gesproken spraak naar tekst.
Stable Diffusion is een geavanceerd tekst-naar-beeld generatie model dat deep learning gebruikt om hoogwaardige, fotorealistische afbeeldingen te produceren op basis van tekstuele beschrijvingen. Als een latent diffusion model vormt het een belangrijke doorbraak in generatieve AI, waarbij diffusion modellen en machine learning efficiënt worden gecombineerd om beelden te genereren die nauw aansluiten bij de gegeven prompts.
Synthetische data verwijst naar kunstmatig gegenereerde informatie die echte gegevens nabootst. Het wordt gecreëerd met behulp van algoritmen en computersimulaties om te dienen als vervanging of aanvulling op echte data. In AI is synthetische data essentieel voor het trainen, testen en valideren van machine learning-modellen.
Taalherkenning in grote taalmodellen (LLM's) is het proces waarmee deze modellen de taal van invoertekst identificeren, zodat ze nauwkeurig kunnen worden verwerkt voor meertalige toepassingen zoals chatbots, vertaling en contentmoderatie.
De technologische singulariteit is een theoretische toekomstige gebeurtenis waarbij kunstmatige intelligentie (AI) de menselijke intelligentie overstijgt, wat leidt tot een dramatische en onvoorspelbare transformatie van de samenleving. Dit concept onderzoekt zowel de potentiële voordelen als de aanzienlijke risico's die gepaard gaan met superintelligente AI.
Tekst-naar-Spraak (TTS) technologie is een geavanceerd softwaremechanisme dat geschreven tekst omzet in hoorbare spraak. Het verhoogt de toegankelijkheid en gebruikerservaring in klantenservice, onderwijs, ondersteunende technologie en meer door gebruik te maken van AI voor natuurlijk klinkende stemmen.
Tekstclassificatie, ook wel tekstcategorisatie of teksttagging genoemd, is een kern-NLP-taak waarbij vooraf gedefinieerde categorieën worden toegekend aan tekstdocumenten. Het organiseert en structureert ongestructureerde data voor analyse, waarbij machine learning-modellen worden gebruikt om processen zoals sentimentanalyse, spamdetectie en themacategorisatie te automatiseren.
Tekstgeneratie met Large Language Models (LLM's) verwijst naar het geavanceerde gebruik van machine learning-modellen om mensachtige tekst te produceren op basis van prompts. Ontdek hoe LLM's, aangedreven door transformer-architecturen, contentcreatie, chatbots, vertaling en meer revolutioneren.
Tekstsamenvatting is een essentieel AI-proces dat lange documenten samenvat tot beknopte overzichten, waarbij de belangrijkste informatie en betekenis behouden blijven. Door gebruik te maken van Large Language Models zoals GPT-4 en BERT, maakt het efficiënte beheersing en begrip van grote digitale inhoud mogelijk via abstractieve, extractieve en hybride methoden.
TensorFlow is een open-source bibliotheek ontwikkeld door het Google Brain-team, ontworpen voor numerieke berekeningen en grootschalige machine learning. Het ondersteunt deep learning, neurale netwerken en draait op CPU's, GPU's en TPU's, waardoor het verzamelen van data, modeltraining en implementatie wordt vereenvoudigd.
Wat is een Tire Kicker? In de verkoop is een tire kicker een potentiële klant die geïnteresseerd lijkt in een product of dienst, maar geen echte intentie of mogelijkheid heeft om te kopen. Leer hoe je tire kickers kunt herkennen, beheren en hun impact minimaliseren met effectieve verkoopstrategieën en AI-tools.
Een token in de context van grote taalmodellen (LLM's) is een reeks tekens die het model omzet in numerieke representaties voor efficiënte verwerking. Tokens zijn de basiseenheden van tekst die door LLM's zoals GPT-3 en ChatGPT worden gebruikt om taal te begrijpen en te genereren.
Top-k nauwkeurigheid is een evaluatiemetriek in machine learning die beoordeelt of de ware klasse zich onder de top k voorspelde klassen bevindt, en biedt zo een uitgebreide en vergevingsgezinde maatstaf bij multi-klasse classificatietaken.
Torch is een open-source machine learning-bibliotheek en wetenschappelijk rekenraamwerk gebaseerd op Lua, geoptimaliseerd voor deep learning en AI-taken. Het biedt tools voor het bouwen van neurale netwerken, ondersteunt GPU-versnelling en was een voorloper van PyTorch.
Trainingsfout in AI en machine learning is het verschil tussen de voorspelde en werkelijke outputs van een model tijdens de training. Het is een belangrijke maatstaf voor de prestaties van het model, maar moet samen met de testfout worden bekeken om overfitting of underfitting te voorkomen.
Trainingsgegevens verwijzen naar de dataset die wordt gebruikt om AI-algoritmes te instrueren, zodat ze patronen kunnen herkennen, beslissingen kunnen nemen en uitkomsten kunnen voorspellen. Deze gegevens kunnen tekst, cijfers, afbeeldingen en video's bevatten en moeten van hoge kwaliteit, divers en goed gelabeld zijn voor een effectieve AI-modelprestatie.
Transfer learning is een geavanceerde machine learning-techniek waarmee modellen die op de ene taak zijn getraind, kunnen worden hergebruikt voor een verwante taak, waardoor efficiëntie en prestaties verbeteren, vooral wanneer data schaars is.
Transfer Learning is een krachtige AI/ML-techniek waarbij vooraf getrainde modellen worden aangepast aan nieuwe taken, waardoor de prestaties verbeteren met beperkte data en de efficiëntie toeneemt in verschillende toepassingen zoals beeldherkenning en NLP.
Een transformermodel is een type neuraal netwerk dat speciaal is ontworpen om sequentiële data te verwerken, zoals tekst, spraak of tijdreeksdata. In tegenstelling tot traditionele modellen zoals RNN's en CNN's, maken transformers gebruik van een aandachtmechanisme om het belang van elementen in de invoersequentie te wegen, wat krachtige prestaties mogelijk maakt in toepassingen zoals NLP, spraakherkenning, genomica en meer.
Transformers zijn een revolutionaire neurale netwerkarchitectuur die kunstmatige intelligentie heeft getransformeerd, vooral op het gebied van natuurlijke taalverwerking. Geïntroduceerd in 2017 met 'Attention is All You Need', maken ze efficiënte parallelle verwerking mogelijk en zijn ze de basis geworden voor modellen als BERT en GPT, met impact op NLP, beeldverwerking en meer.
Transparantie in Kunstmatige Intelligentie (AI) verwijst naar de openheid en duidelijkheid waarmee AI-systemen opereren, inclusief hun besluitvormingsprocessen, algoritmen en data. Het is essentieel voor AI-ethiek en -governance, en zorgt voor verantwoordelijkheid, vertrouwen en naleving van regelgeving.
De Turingtest is een fundamenteel concept binnen de kunstmatige intelligentie, ontworpen om te beoordelen of een machine intelligent gedrag kan vertonen dat niet te onderscheiden is van dat van een mens. De test is in 1950 opgesteld door Alan Turing en houdt in dat een menselijke beoordelaar in gesprek gaat met zowel een mens als een machine om te bepalen of de machine menselijke antwoorden overtuigend kan nabootsen.
AI-uitbreidbaarheid verwijst naar het vermogen van AI-systemen om hun mogelijkheden uit te breiden naar nieuwe domeinen, taken en datasets zonder grote hertraining, met behulp van technieken zoals transfer learning, multi-task learning en een modulaire opzet voor flexibiliteit en naadloze integratie.
Underfitting treedt op wanneer een machine learning-model te simplistisch is om de onderliggende trends van de data waarop het is getraind te herkennen. Dit leidt tot slechte prestaties zowel bij onbekende als trainingsdata, vaak door een gebrek aan modelcomplexiteit, onvoldoende training of inadequate featureselectie.
Verborgen Markov-modellen (HMM's) zijn geavanceerde statistische modellen voor systemen waarbij de onderliggende toestanden niet waarneembaar zijn. Ze worden veel gebruikt in spraakherkenning, bio-informatica en financiën, interpreteren verborgen processen en worden aangedreven door algoritmen zoals Viterbi en Baum-Welch.
AI-verklaarbaarheid verwijst naar het vermogen om de beslissingen en voorspellingen van kunstmatige intelligentiesystemen te begrijpen en te interpreteren. Naarmate AI-modellen complexer worden, zorgt verklaarbaarheid voor transparantie, vertrouwen, naleving van regelgeving, het verminderen van bias en modeloptimalisatie via technieken zoals LIME en SHAP.
Ontdek vertekening in AI: begrijp de oorzaken, impact op machine learning, praktijkvoorbeelden en strategieën voor beperking om eerlijke en betrouwbare AI-systemen te bouwen.
Verticale AI Agents zijn sectorspecifieke kunstmatige intelligentieoplossingen die zijn ontworpen om unieke uitdagingen aan te pakken en processen te optimaliseren binnen verschillende sectoren. Ontdek hoe Verticale AI agents bedrijfssoftware transformeren met gespecialiseerde, impactvolle toepassingen.
Fastai is een deep learning-bibliotheek gebouwd op PyTorch, met hoog-niveau API's, transfer learning en een gelaagde architectuur om de ontwikkeling van neurale netwerken voor beeld, NLP, tabeldata en meer te vereenvoudigen. Ontwikkeld door Jeremy Howard en Rachel Thomas, is Fastai open-source en community-gedreven, waardoor geavanceerde AI voor iedereen toegankelijk is.
