Bla gjennom alt innhold i kategorien Glossary
Oppdag hva lesenivå betyr, hvordan det måles, og hvorfor det er viktig. Lær om ulike vurderingssystemer, faktorer som påvirker leseferdigheter, og strategier for å forbedre ditt lesenivå, inkludert AI sin rolle i personlig tilpasset læring.
Lexile-rammeverket for lesing er en vitenskapelig metode for å måle både en lesers ferdigheter og tekstens kompleksitet på samme utviklingsskala, og hjelper til å matche lesere med passende utfordrende tekster for å fremme leseutvikling.
LightGBM, eller Light Gradient Boosting Machine, er et avansert gradient boosting-rammeverk utviklet av Microsoft. Det er designet for høytytende maskinlæringsoppgaver som klassifisering, rangering og regresjon, og LightGBM utmerker seg ved å håndtere store datasett effektivt samtidig som det bruker minimalt med minne og leverer høy nøyaktighet.
Lineær regresjon er en grunnleggende analytisk teknikk innen statistikk og maskinlæring, som modellerer forholdet mellom avhengige og uavhengige variabler. Kjent for sin enkelhet og tolkbarhet, er den fundamental for prediktiv analyse og datamodellering.
Lær om LIX-lesbarhetsmålet—en formel utviklet for å vurdere tekstkompleksitet ved å analysere setningslengde og lange ord. Forstå bruksområder i utdanning, forlagsbransjen, journalistikk, KI og mer.
Filen llms.txt er en standardisert Markdown-fil utformet for å optimalisere hvordan store språkmodeller (LLM-er) får tilgang til og prosesserer nettsideinnhold. Plassert i rotmappen til et nettsted gir den en kuratert, maskinlesbar indeks som forbedrer AI-drevne interaksjoner.
Loggtap, eller logaritmisk/kryss-entropi-tap, er en nøkkelmetrik for å evaluere ytelsen til maskinlæringsmodeller—spesielt for binær klassifisering—ved å måle avviket mellom predikerte sannsynligheter og faktiske utfall, og straffe gale eller overkonfidente prediksjoner.
Logistisk regresjon er en statistisk og maskinlæringsmetode som brukes til å forutsi binære utfall fra data. Den estimerer sannsynligheten for at en hendelse vil inntreffe basert på én eller flere uavhengige variabler, og er mye brukt innen helsevesen, finans, markedsføring og AI.
Long Short-Term Memory (LSTM) er en spesialisert type av Recurrent Neural Network (RNN)-arkitektur designet for å lære langtidshukommelse i sekvensielle data. LSTM-nettverk benytter minneceller og portmekanismer for å løse problemet med forsvinnende gradienter, noe som gjør dem essensielle for oppgaver som språkmodellering, talegjenkjenning og tidsserieprognoser.
Lydtranskripsjon er prosessen med å konvertere muntlig språk fra lydopptak til skrevet tekst, noe som gjør taler, intervjuer, forelesninger og andre lydformater tilgjengelige og søkbare. Fremskritt innen AI har forbedret transkripsjonsnøyaktighet og effektivitet, og støtter medie-, akademia-, juridiske og innholdsskapende bransjer.
Maskinlæring (ML) er en underkategori av kunstig intelligens (AI) som gjør det mulig for maskiner å lære fra data, identifisere mønstre, lage prediksjoner og forbedre beslutningstaking over tid uten eksplisitt programmering.
En maskinlærings-pipeline er en automatisert arbeidsflyt som strømlinjeformer og standardiserer utvikling, trening, evaluering og utrulling av maskinlæringsmodeller, og effektivt forvandler rådata til handlingsrettet innsikt i stor skala.
Modellkontekstprotokollen (MCP) er et åpent standardgrensesnitt som gjør det mulig for store språkmodeller (LLM-er) å få sikker og konsistent tilgang til eksterne datakilder, verktøy og funksjoner, og fungerer som en «USB-C» for AI-systemer.
Human-in-the-Loop (HITL) er en tilnærming innen AI og maskinlæring som integrerer menneskelig ekspertise i trening, justering og bruk av AI-systemer, for å øke nøyaktigheten, redusere feil og sikre etisk etterlevelse.
Oppdag hvordan 'Mente du' (DYM) i NLP identifiserer og korrigerer feil i brukerinput, som skrivefeil eller feilstavinger, og foreslår alternativer for å forbedre brukeropplevelsen i søkemotorer, chatboter og mer.
En metaprompt innen kunstig intelligens er en høynivå-instruksjon utformet for å generere eller forbedre andre prompt for store språkmodeller (LLMs), som forbedrer AI-resultater, automatiserer oppgaver og forbedrer flerstegsresonnement i chatboter og automatiseringsarbeidsflyter.
Finn ut mer om Mistral AI og LLM-modellene de tilbyr. Oppdag hvordan disse modellene brukes og hva som gjør dem unike.
Modeldrift, eller modellforringelse, refererer til nedgangen i en maskinlæringsmodells prediktive ytelse over tid på grunn av endringer i det virkelige miljøet. Lær om typer, årsaker, metoder for deteksjon og løsninger for modelldrift i KI og maskinlæring.
Modellkollaps er et fenomen innen kunstig intelligens der en trent modell forverres over tid, spesielt når den er avhengig av syntetiske eller AI-genererte data. Dette fører til redusert outputmangfold, trygge svar og en svekket evne til å produsere kreative eller originale innhold.
Modellrobusthet refererer til evnen til en maskinlæringsmodell (ML) til å opprettholde konsistent og nøyaktig ytelse til tross for variasjoner og usikkerheter i inndataene. Robuste modeller er avgjørende for pålitelige KI-applikasjoner, og sikrer motstand mot støy, uteliggere, distribusjonsskift og motangrep.
Modelltolkbarhet refererer til evnen til å forstå, forklare og stole på prediksjonene og beslutningene som tas av maskinlæringsmodeller. Det er kritisk innen AI, spesielt for beslutningstaking innen helsevesen, finans og autonome systemer, og bygger broen mellom komplekse modeller og menneskelig forståelse.
Mønsterxadgjenkjenning er en beregningsprosess for å identifisere mønstre og regulariteter i data, avgjørende innen felt som KI, informatikk, psykologi og dataanalyse. Det automatiserer gjenkjenning av strukturer i tale, tekst, bilder og abstrakte datasett, noe som muliggjør intelligente systemer og applikasjoner som maskinsyn, talegjenkjenning, OCR og bedragerideteksjon.
Monte Carlo-metoder er beregningsalgoritmer som bruker gjentatte tilfeldige utvalg for å løse komplekse, ofte deterministiske problemer. De brukes mye innen finans, ingeniørfag, kunstig intelligens og mer, og gjør det mulig å modellere usikkerhet, optimalisere og vurdere risiko ved å simulere mange scenarier og analysere sannsynlige utfall.
Multi-hop-resonnering er en AI-prosess, spesielt innen NLP og kunnskapsgrafer, der systemer kobler sammen flere informasjonsbiter for å besvare komplekse spørsmål eller ta avgjørelser. Det muliggjør logiske forbindelser på tvers av datakilder, støtter avansert spørsmålbesvarelse, utfylling av kunnskapsgraf og smartere chatboter.
Apache MXNet er et åpen kildekode dyp læringsrammeverk utviklet for effektiv og fleksibel trening og distribusjon av dype nevrale nettverk. Kjent for sin skalerbarhet, hybride programmeringsmodell og støtte for flere språk, gir MXNet forskere og utviklere mulighet til å bygge avanserte AI-løsninger.
Naiv Bayes er en familie av klassifiseringsalgoritmer basert på Bayes’ teorem, som anvender betinget sannsynlighet med den forenklende antakelsen om at egenskaper er betinget uavhengige. Til tross for dette er Naiv Bayes-klassifisatorer effektive, skalerbare og brukes i applikasjoner som spamdeteksjon og tekstklassifisering.
Naturlig språk-generering (NLG) er et underfelt innen kunstig intelligens som fokuserer på å omdanne strukturert data til menneskelignende tekst. NLG driver applikasjoner som chatboter, taleassistenter, innholdsskaping og mer, ved å generere sammenhengende, kontekstuelt relevante og grammatisk korrekte fortellinger.
Naturlig språkbehandling (NLP) gjør det mulig for datamaskiner å forstå, tolke og generere menneskelig språk ved hjelp av datalingvistikk, maskinlæring og dyp læring. NLP driver applikasjoner som oversettelse, chatboter, sentimentanalyse og mer, og transformerer industrier samt forbedrer samhandlingen mellom menneske og datamaskin.
Naturlig språkforståelse (NLU) er et underfelt av KI som har fokus på å gjøre maskiner i stand til å forstå og tolke menneskespråk i kontekst, og går utover grunnleggende tekstbehandling for å gjenkjenne intensjon, semantikk og nyanser for applikasjoner som chatboter, sentimentanalyse og maskinoversettelse.
Naturlig språkprosessering (NLP) er et underfelt av kunstig intelligens (KI) som gjør det mulig for datamaskiner å forstå, tolke og generere menneskelig språk. Oppdag nøkkelaspekter, hvordan det fungerer, og dets anvendelser på tvers av bransjer.
Navngitt enhetsgjenkjenning (NER) er et sentralt underfelt innen naturlig språkprosessering (NLP) i KI, med fokus på å identifisere og klassifisere entiteter i tekst i forhåndsdefinerte kategorier som personer, organisasjoner og steder for å forbedre dataanalyse og automatisere informasjonsutvinning.
Et negativt prompt i KI er en instruksjon som forteller modeller hva de ikke skal inkludere i det genererte resultatet. I motsetning til tradisjonelle prompt som styrer innholdet, spesifiserer negative prompt hvilke elementer, stiler eller egenskaper som skal unngås. Dette gir mer presise resultater og sikrer at modellen følger brukerens preferanser, spesielt i generative modeller som Stable Diffusion og Midjourney.
Netto ny forretning refererer til inntektene generert fra nylig anskaffede kunder eller reaktiverte kontoer i løpet av en bestemt periode, vanligvis ekskludert inntekter fra mersalg eller kryssalg til eksisterende aktive kunder. Det er en kritisk måleparameter for virksomheter som ønsker å måle vekst drevet av å utvide kundebasen, i stedet for å kun stole på mer salg til nåværende kunder.
En AI-nettstedgenerator med kodeeksport er et programvareverktøy som bruker kunstig intelligens for å automatisere opprettelsen av nettsteder, samtidig som brukerne kan eksportere og tilpasse den underliggende koden i HTML, CSS, JavaScript eller populære rammeverk.
Nevromorfisk databehandling er en banebrytende tilnærming til datateknikk som modellerer både maskinvare- og programvareelementer etter den menneskelige hjernen og nervesystemet. Dette tverrfaglige feltet, også kjent som nevromorfisk ingeniørvitenskap, henter inspirasjon fra informatikk, biologi, matematikk, elektronikk og fysikk for å skape bioinspirerte datasystemer og maskinvare.
Natural Language Toolkit (NLTK) er en omfattende pakke med Python-biblioteker og programmer for symbolsk og statistisk behandling av naturlig språk (NLP). Mye brukt i akademia og industri, tilbyr den verktøy for tokenisering, stemming, lemmatisering, ordklassemerking og mer.
No-Code AI-plattformer gjør det mulig for brukere å bygge, distribuere og administrere AI- og maskinlæringsmodeller uten å skrive kode. Disse plattformene tilbyr visuelle grensesnitt og ferdiglagde komponenter, og demokratiserer AI for forretningsbrukere, analytikere og domeneeksperter.
Oppdag viktigheten av nøyaktighet og stabilitet i AI-modeller innen maskinlæring. Lær hvordan disse målene påvirker applikasjoner som svindeldeteksjon, medisinsk diagnostikk og chatboter, og utforsk teknikker for å forbedre pålitelig AI-ytelse.
NSFW, et akronym for Ikke Trygt For Arbeid, er et internett-slanguttrykk brukt for å merke innhold som kan være upassende eller støtende å se i offentlige eller profesjonelle omgivelser. Denne betegnelsen fungerer som en advarsel om at materialet kan inneholde elementer som nakenhet, seksuelt innhold, grafisk vold, banning eller andre sensitive temaer som ikke passer på arbeidsplassen eller i skolen.
NumPy er et åpen kildekode Python-bibliotek som er avgjørende for numerisk databehandling, og tilbyr effektive array-operasjoner og matematiske funksjoner. Det danner grunnlaget for vitenskapelig databehandling, data science og maskinlæring ved å muliggjøre rask, storskala databehandling.
Open Neural Network Exchange (ONNX) er et åpen kildekode-format for sømløs utveksling av maskinlæringsmodeller på tvers av ulike rammeverk, som forbedrer fleksibilitet i utrulling, standardisering og maskinvareoptimalisering.
OpenAI er en ledende forskningsorganisasjon innen kunstig intelligens, kjent for å ha utviklet GPT, DALL-E og ChatGPT, og har som mål å skape trygg og fordelaktig kunstig generell intelligens (AGI) for menneskeheten.
OpenCV er et avansert åpen kildekode-bibliotek for datamaskinsyn og maskinlæring, med over 2500 algoritmer for bildebehandling, objektdeteksjon og sanntidsapplikasjoner på tvers av flere språk og plattformer.
Optisk tegngjenkjenning (OCR) er en transformerende teknologi som konverterer dokumenter som skannede papirer, PDF-filer eller bilder til redigerbare og søkbare data. Lær hvordan OCR fungerer, dens typer, bruksområder, fordeler, begrensninger og de siste fremskrittene innen AI-drevne OCR-systemer.
Ord-embeddinger er sofistikerte representasjoner av ord i et kontinuerlig vektorrom, som fanger semantiske og syntaktiske relasjoner for avanserte NLP-oppgaver som tekstklassifisering, maskinoversettelse og sentimentanalyse.
Ordklassemerking (POS tagging) er en sentral oppgave innen beregningslingvistikk og naturlig språkprosessering (NLP). Det innebærer å tilordne hvert ord i en tekst dets tilsvarende ordklasse, basert på definisjon og kontekst i setningen. Hovedmålet er å kategorisere ord i grammatiske kategorier som substantiv, verb, adjektiv, adverb osv., slik at maskiner bedre kan behandle og forstå menneskespråk.
Overføringslæring er en avansert maskinlæringsteknikk som gjør det mulig å gjenbruke modeller trent på én oppgave til en beslektet oppgave, noe som forbedrer effektiviteten og ytelsen, spesielt når det er lite data tilgjengelig.
Overføringslæring er en kraftig AI/ML-teknikk som tilpasser forhåndstrente modeller til nye oppgaver, forbedrer ytelsen med begrensede data og øker effektiviteten på tvers av ulike bruksområder som bildediagnostikk og NLP.
Overtilpasning er et kritisk begrep innen kunstig intelligens (KI) og maskinlæring (ML), og oppstår når en modell lærer treningsdataene for godt, inkludert støy, noe som fører til dårlig generalisering på nye data. Lær hvordan du identifiserer og forhindrer overtilpasning med effektive teknikker.
Overvåket læring er en grunnleggende tilnærming innen maskinlæring og kunstig intelligens hvor algoritmer lærer fra merkede datasett for å gjøre prediksjoner eller klassifiseringer. Utforsk prosessen, typer, nøkkelalgoritmer, anvendelser og utfordringer.
Overvåket læring er et grunnleggende AI- og maskinlæringskonsept der algoritmer trenes på merkede data for å gjøre nøyaktige prediksjoner eller klassifiseringer på nye, ukjente data. Lær om nøkkelkomponenter, typer og fordeler.
Pandas er et åpen kildekode-bibliotek for datamanipulering og analyse for Python, kjent for sin allsidighet, robuste datastrukturer og brukervennlighet i håndtering av komplekse datasett. Det er en hjørnestein for dataanalytikere og dataforskere, og støtter effektiv datarensing, transformasjon og analyse.
Parafrasering i kommunikasjon er ferdigheten å omformulere en annens budskap med egne ord, samtidig som man beholder den opprinnelige meningen. Det sikrer klarhet, fremmer forståelse og forbedres av KI-verktøy som tilbyr alternative uttrykk effektivt.
Parameter-Effektiv Finjustering (PEFT) er en innovativ tilnærming innen AI og NLP som muliggjør tilpasning av store forhåndstrente modeller til spesifikke oppgaver ved kun å oppdatere et lite utvalg av parameterne, noe som reduserer beregningskostnader og treningstid for effektiv utrulling.
Pathways Language Model (PaLM) er Googles avanserte familie av store språkmodeller, utviklet for allsidige bruksområder som tekstgenerering, resonnering, kodeanalyse og flerspråklig oversettelse. Bygget på Pathways-initiativet utmerker PaLM seg i ytelse, skalerbarhet og ansvarlig AI-praksis.
Perplexity AI er en avansert, AI-drevet søkemotor og samtaleverktøy som bruker NLP og maskinlæring for å levere presise, kontekstuelle svar med kildehenvisninger. Ideell for forskning, læring og profesjonell bruk, den integrerer flere store språkmodeller og kilder for nøyaktig, sanntids informasjonsinnhenting.
Personalisert markedsføring med AI utnytter kunstig intelligens for å skreddersy markedsføringsstrategier og kommunikasjon til individuelle kunder basert på atferd, preferanser og interaksjoner, noe som øker engasjement, tilfredshet og konverteringsrate.
Plotly er et avansert åpen kildekode-grafbibliotek for å lage interaktive, publikasjonssikre grafer på nett. Kompatibelt med Python, R og JavaScript, gir Plotly brukere mulighet til å levere komplekse datavisualiseringer og støtter et bredt spekter av diagramtyper, interaktivitet og integrasjon med nettapplikasjoner.
Posisjonsestimering er en datavisjonsteknikk som forutsier posisjon og orientering til en person eller et objekt i bilder eller videoer ved å identifisere og spore nøkkelpunkter. Det er essensielt for applikasjoner som sportsanalyse, robotikk, spill og autonom kjøring.
Innenfor LLM-er er en prompt inndata som veileder modellens utdata. Lær hvordan effektive promter, inkludert zero-, one-, few-shot og chain-of-thought-teknikker, forbedrer responskvaliteten i AI-språkmodeller.
