Prehľadávať všetok obsah v kategórii Glossary
Kolaps modelu je jav v umelej inteligencii, keď trénovaný model časom degraduje, najmä ak sa spolieha na syntetické alebo AI-generované dáta. Vedie to k zníženej rozmanitosti výstupov, bezpečným odpovediam a zníženej schopnosti vytvárať kreatívny alebo originálny obsah.
Koniec štvrťroka znamená ukončenie fiškálneho štvrťroka spoločnosti, čo je kľúčové pre finančné výkazníctvo, hodnotenie výkonnosti a strategické plánovanie. Zistite, ako AI a automatizácia zefektívňujú tieto procesy, zvyšujú presnosť a podporujú lepšie rozhodnutia.
Kontaktná osoba (POC) je osoba alebo oddelenie, ktoré koordinuje komunikáciu a informácie pre konkrétnu činnosť, projekt alebo organizáciu, vybavuje dopyty a uľahčuje interakcie.
Konvergencia v AI označuje proces, pri ktorom modely strojového a hlbokého učenia dosahujú stabilný stav prostredníctvom iteratívneho učenia, čím zabezpečujú presné predikcie minimalizovaním rozdielu medzi predpokladanými a skutočnými výsledkami. Je základom efektívnosti a spoľahlivosti AI v rôznych aplikáciách, od autonómnych vozidiel po inteligentné mestá.
Konverzačná AI označuje technológie, ktoré umožňujú počítačom simulovať ľudské rozhovory pomocou NLP, strojového učenia a ďalších jazykových technológií. Poháňa chatboty, virtuálnych asistentov a hlasových asistentov v zákazníckej podpore, zdravotníctve, maloobchode a ďalších oblastiach, čím zvyšuje efektivitu a personalizáciu.
Konvolučná neurónová sieť (CNN) je špecializovaný typ umelej neurónovej siete navrhnutý na spracovanie štruktúrovaných mriežkových dát, ako sú obrázky. CNN sú obzvlášť efektívne pri úlohách s vizuálnymi dátami, vrátane klasifikácie obrázkov, detekcie objektov a segmentácie obrázkov. Napodobňujú vizuálny spracovateľský mechanizmus ľudského mozgu, vďaka čomu sú základným kameňom v oblasti počítačového videnia.
Korpus (množné číslo: korpusy) v AI označuje veľký, štruktúrovaný súbor textov alebo zvukových dát používaných na trénovanie a hodnotenie AI modelov. Korpusy sú nevyhnutné na to, aby sa AI systémy naučili porozumieť, interpretovať a generovať ľudský jazyk.
Krivka učenia v umelej inteligencii je grafické znázornenie ilustrujúce vzťah medzi výkonnosťou modelu a premennými, ako je veľkosť dátovej množiny alebo počet tréningových iterácií, čo pomáha pri diagnostike kompromisu medzi zaujatím a rozptylom, výbere modelu a optimalizácii tréningových procesov.
Krížová validácia je štatistická metóda používaná na vyhodnocovanie a porovnávanie modelov strojového učenia delením dát na trénovacie a validačné sady viackrát, čo zabezpečuje, že modely sa dobre generalizujú na nevidené dáta a pomáha predchádzať preučeniu.
Kros-entropia je kľúčový pojem v informačnej teórii aj strojovom učení. Slúži ako metrika na meranie rozdielu medzi dvoma pravdepodobnostnými rozdeleniami. V strojovom učení sa používa ako strata na kvantifikáciu nesúladu medzi predikovanými výstupmi a skutočnými značkami, čím optimalizuje výkon modelu, najmä pri klasifikačných úlohách.
Kupujúca ľútosť je psychologický jav, pri ktorom jednotlivec po nákupe pociťuje ľútosť, úzkosť alebo nespokojnosť. Preskúmajte príčiny, psychologické aspekty, vplyv na podnikanie a úlohu AI v predpovedaní a zmierňovaní kupujúcej ľútosti.
Získajte rýchly a jednoduchý prehľad o tom, čo je kvantové počítanie. Zistite, ako sa dá využiť, aké sú výzvy a aké sú budúce nádeje.
Ladenie hyperparametrov je základný proces v strojovom učení na optimalizáciu výkonnosti modelu úpravou parametrov ako je rýchlosť učenia a regularizácia. Preskúmajte metódy ako grid search, random search, Bayesovská optimalizácia a ďalšie.
Ladenie pomocou inštrukcií je technika v oblasti AI, ktorá dolaďuje veľké jazykové modely (LLM) na pároch inštrukcia-odpoveď, čím zlepšuje ich schopnosť nasledovať ľudské pokyny a vykonávať konkrétne úlohy.
LangGraph je pokročilá knižnica na tvorbu stavových aplikácií s viacerými aktérmi pomocou veľkých jazykových modelov (LLM). Vyvinutá spoločnosťou LangChain Inc, rozširuje LangChain o cyklické výpočtové schopnosti, čím umožňuje komplexné, agentovité správanie a workflowy s ľudskou spätnou väzbou.
LangChain je open-source framework na vývoj aplikácií poháňaných veľkými jazykovými modelmi (LLM), ktorý zjednodušuje integráciu výkonných LLM ako OpenAI GPT-3.5 a GPT-4 s externými zdrojmi dát pre pokročilé NLP aplikácie.
LazyGraphRAG je inovatívny prístup k Retrieval-Augmented Generation (RAG), ktorý optimalizuje efektivitu a znižuje náklady pri AI-poháňanom získavaní dát kombinovaním grafovej teórie a spracovania prirodzeného jazyka (NLP) pre dynamické, vysokokvalitné výsledky dotazov.
Lead scraping automatizuje extrakciu hodnotných kontaktných údajov z online zdrojov, čo firmám umožňuje efektívne budovať kvalitné databázy potenciálnych zákazníkov pre cielený marketing a predaj pri zároveň zabezpečenom súlade s ochranou osobných údajov.
Lexilový rámec pre čítanie je vedecká metóda na meranie schopnosti čitateľa aj náročnosti textu na tej istej vývinovej škále, ktorá pomáha priradiť čitateľom primerane náročné texty a podporuje rozvoj čitateľských zručností.
LightGBM, alebo Light Gradient Boosting Machine, je pokročilý framework pre gradient boosting vyvinutý spoločnosťou Microsoft. Je navrhnutý pre vysoko výkonné úlohy strojového učenia, ako sú klasifikácia, ranking a regresia. LightGBM vyniká efektívnym spracovaním veľkých dátových súborov s minimálnou spotrebou pamäte a vysokou presnosťou.
Lineárna regresia je základná analytická technika v štatistike a strojovom učení, ktorá modeluje vzťah medzi závislými a nezávislými premennými. Je známa svojou jednoduchosťou a interpretovateľnosťou a je základom pre prediktívnu analytiku a modelovanie dát.
Zistite viac o LIX ukazovateli čitateľnosti—vzorce vyvinutej na hodnotenie zložitosti textu analýzou dĺžky viet a dlhých slov. Pochopte jeho využitie vo vzdelávaní, vydavateľstve, žurnalistike, AI a ďalších oblastiach.
Logaritmická strata, alebo logaritmická/kros-entropická strata, je kľúčová metrika na hodnotenie výkonnosti modelov strojového učenia—najmä pri binárnej klasifikácii—meraním rozdielu medzi predpokladanými pravdepodobnosťami a skutočnými výsledkami, pričom penalizuje nesprávne alebo príliš sebavedomé predikcie.
Logistická regresia je štatistická a strojovo-učebná metóda používaná na predikciu binárnych výsledkov z dát. Odhaduje pravdepodobnosť, že udalosť nastane na základe jednej alebo viacerých nezávislých premenných a je široko využívaná v zdravotníctve, financiách, marketingu a AI.
Long Short-Term Memory (LSTM) je špecializovaný typ architektúry rekurentných neurónových sietí (RNN), navrhnutý na učenie dlhodobých závislostí v sekvenčných dátach. LSTM siete využívajú pamäťové bunky a bránové mechanizmy na riešenie problému miznúcich gradientov, vďaka čomu sú nevyhnutné pre úlohy ako modelovanie jazyka, rozpoznávanie reči a predikcia časových radov.
Maticová matica je nástroj strojového učenia na hodnotenie výkonnosti klasifikačných modelov. Podrobne zobrazuje skutočné a falošné pozitíva a negatíva, čím poskytuje hlbší vhľad ako len presnosť, a je obzvlášť užitočná pri nevyvážených dátových súboroch.
Model Context Protocol (MCP) je otvorené štandardizované rozhranie, ktoré umožňuje veľkým jazykovým modelom (LLM) bezpečne a konzistentne pristupovať k externým dátovým zdrojom, nástrojom a možnostiam, pričom funguje ako 'USB-C' pre AI systémy.
Metaprompt v umelej inteligencii je vysokoúrovňový pokyn navrhnutý na generovanie alebo vylepšovanie ďalších promptov pre veľké jazykové modely (LLM), čím sa zlepšujú výstupy AI, automatizujú úlohy a zlepšuje viacstupňové uvažovanie v chatbotov a automatizačných pracovných tokoch.
Miera adopcie AI udáva percento organizácií, ktoré začlenili umelú inteligenciu do svojich operácií. Tieto miery sa líšia v závislosti od odvetví, regiónov a veľkostí spoločností, čo odráža rozmanité využitia a dopady technológií AI. Podľa prieskumu McKinsey z roku 2024 miera adopcie AI vzrástla na 72 %, pričom významne prispela generatívna AI.
Zistite viac o spoločnosti Mistral AI a LLM modeloch, ktoré ponúka. Objavte, ako sa tieto modely využívajú a čím sa odlišujú od ostatných.
Model drift, alebo úpadok modelu, označuje pokles prediktívnej výkonnosti modelu strojového učenia v priebehu času v dôsledku zmien v reálnom svete. Zistite viac o typoch, príčinách, metódach detekcie a riešeniach modelového driftu v AI a strojovom učení.
Objavte modelovanie sekvencií v AI a strojovom učení—predpovedajte a generujte sekvencie v údajoch ako text, audio a DNA pomocou RNN, LSTM, GRU a Transformerov. Preskúmajte kľúčové pojmy, aplikácie, výzvy a najnovší výskum.
Monte Carlo metódy sú výpočtové algoritmy využívajúce opakované náhodné vzorkovanie na riešenie zložitých, často deterministických problémov. Široko sa používajú vo financiách, inžinierstve, AI a ďalších oblastiach, kde umožňujú modelovanie neistoty, optimalizáciu a hodnotenie rizika simulovaním mnohých scenárov a analyzovaním pravdepodobnostných výsledkov.
Apache MXNet je open-source framework pre hlboké učenie navrhnutý na efektívny a flexibilný tréning a nasadzovanie hlbokých neurónových sietí. Je známy svojou škálovateľnosťou, hybridným programovacím modelom a podporou viacerých jazykov, čo umožňuje výskumníkom a vývojárom vytvárať pokročilé AI riešenia.
Naivný Bayes je rodina klasifikačných algoritmov založených na Bayesovej vete, ktorá využíva podmienenú pravdepodobnosť so zjednodušujúcim predpokladom, že príznaky sú podmienečne nezávislé. Napriek tomu sú klasifikátory Naivný Bayes efektívne, škálovateľné a používajú sa v aplikáciách ako detekcia spamu a klasifikácia textu.
Objavte náklady spojené s trénovaním a nasadzovaním veľkých jazykových modelov (LLM) ako GPT-3 a GPT-4, vrátane výdavkov na výpočtovú techniku, energiu a hardvér, a preskúmajte stratégie na riadenie a znižovanie týchto nákladov.
Návratnosť umelej inteligencie (ROAI) meria dopad investícií do AI na prevádzku, produktivitu a ziskovosť spoločnosti. Zistite, ako hodnotiť, merať a maximalizovať návratnosť vašich AI iniciatív pomocou stratégií, príkladov z praxe a výskumných poznatkov.
Zistite, ako funkcia 'Navrhli ste toto' (DYM) v NLP identifikuje a opravuje chyby v používateľskom vstupe, ako sú preklepy alebo nesprávne napísané slová, a navrhuje alternatívy na zlepšenie používateľskej skúsenosti vo vyhľadávačoch, chatbotov a ďalších aplikácií.
Nedostatok dát označuje nedostatočné množstvo dát na trénovanie modelov strojového učenia alebo komplexnú analýzu, čo brzdí vývoj presných AI systémov. Objavte príčiny, dopady a techniky na prekonanie nedostatku dát v AI a automatizácii.
Negatívny prompt v oblasti AI je pokyn, ktorý modelom určuje, čo nemajú zahrnúť do svojho vygenerovaného výstupu. Na rozdiel od tradičných promptov, ktoré usmerňujú tvorbu obsahu, negatívne prompty špecifikujú prvky, štýly alebo vlastnosti, ktorým sa treba vyhnúť, čím sa výsledky spresňujú a zabezpečuje sa súlad s preferenciami používateľa, najmä v generatívnych modeloch ako Stable Diffusion a Midjourney.
Zistite, čo sú nestruktúrované dáta a ako sa líšia od štruktúrovaných dát. Spoznajte výzvy a nástroje používané na prácu s nestruktúrovanými dátami.
Nesupervidované učenie je odvetvie strojového učenia zamerané na hľadanie vzorov, štruktúr a vzťahov v neoznačených dátach, čo umožňuje úlohy ako zhlukovanie, redukciu dimenzií a učenie asociačných pravidiel pre aplikácie ako segmentácia zákazníkov, detekcia anomálií a odporúčacie systémy.
Nesupervidované učenie je technika strojového učenia, ktorá trénuje algoritmy na neoznačených dátach s cieľom objaviť skryté vzory, štruktúry a vzťahy. Medzi bežné metódy patrí zhlukovanie, asociácia a redukcia dimenzií, pričom využitie nachádza v segmentácii zákazníkov, detekcii anomálií a analýze nákupných košíkov.
Neuromorfné počítanie je prelomový prístup v oblasti počítačového inžinierstva, ktorý modeluje hardvérové aj softvérové prvky podľa ľudského mozgu a nervového systému. Táto interdisciplinárna oblasť, známa aj ako neuromorfný inžiniering, čerpá z informatiky, biológie, matematiky, elektronického inžinierstva a fyziky na vytváranie bio-inšpirovaných počítačových systémov a hardvéru.
Natural Language Toolkit (NLTK) je komplexná sada knižníc a programov v Pythone pre symbolické a štatistické spracovanie prirodzeného jazyka (NLP). Široko používaný v akademickom prostredí aj v priemysle, ponúka nástroje na tokenizáciu, stemming, lematizáciu, POS tagging a ďalšie.
No-Code AI platformy umožňujú používateľom vytvárať, nasadzovať a spravovať AI a strojové učenie bez písania kódu. Tieto platformy poskytujú vizuálne rozhrania a predpripravené komponenty, čím demokratizujú AI pre firemných používateľov, analytikov a odborníkov na danú oblasť.
Nové čisté obchody označujú tržby generované z novozískaných zákazníkov alebo reaktivovaných účtov v rámci určitého obdobia, pričom zvyčajne vylučujú akékoľvek príjmy z predaja vyšších verzií alebo doplnkových produktov existujúcim aktívnym zákazníkom. Ide o kľúčovú metriku pre firmy, ktoré chcú merať rast poháňaný rozširovaním zákazníckej základne namiesto spoliehania sa výlučne na dodatočný predaj súčasným zákazníkom.
NSFW, skratka pre Nevhodné pre pracovisko, je internetový slang používaný na označenie obsahu, ktorý môže byť nevhodný alebo urážlivý na prezeranie na verejnosti či v profesionálnych prostrediach. Toto označenie slúži ako varovanie, že materiál môže obsahovať prvky ako nahotu, sexuálny obsah, grafické násilie, vulgarizmy alebo iné citlivé témy nevhodné v práci či v školách.
NumPy je open-source knižnica pre Python, ktorá je kľúčová pre numerické výpočty, poskytuje efektívne operácie s poľami a matematické funkcie. Je základom vedeckých výpočtov, dátovej vedy a strojového učenia vďaka rýchlemu spracovaniu veľkého množstva dát.
Obojsmerná Long Short-Term Memory (BiLSTM) je pokročilý typ architektúry rekurentných neurónových sietí (RNN), ktorá spracováva sekvenčné dáta v oboch smeroch – dopredu aj dozadu, čím zlepšuje kontextové porozumenie pre aplikácie v NLP, rozpoznávaní reči a bioinformatike.
Odhad hĺbky je kľúčová úloha v počítačovom videní, zameraná na predikciu vzdialenosti objektov na obrázku vzhľadom na kameru. Mení 2D obrazové dáta na 3D priestorové informácie a tvorí základ pre aplikácie ako autonómne vozidlá, AR, robotiku a 3D modelovanie.
Odhad polohy je technika počítačového videnia, ktorá predpovedá polohu a orientáciu osoby alebo objektu na obrázkoch alebo vo videách identifikovaním a sledovaním kľúčových bodov. Je nevyhnutná pre aplikácie ako športová analytika, robotika, herný priemysel a autonómne riadenie.
Garbage In, Garbage Out (GIGO) zdôrazňuje, že kvalita výstupu z AI a iných systémov priamo závisí od kvality vstupu. Zistite, aké to má dôsledky v AI, prečo je dôležitá kvalita údajov a aké stratégie môžu zmierniť GIGO pre presnejšie, spravodlivejšie a spoľahlivejšie výsledky.
Open Neural Network Exchange (ONNX) je open-source formát pre bezproblémovú výmenu modelov strojového učenia medzi rôznymi frameworkmi, čím zvyšuje flexibilitu nasadzovania, štandardizáciu a optimalizáciu pre hardvér.
OpenAI je popredná organizácia zaoberajúca sa výskumom umelej inteligencie, známa vývojom GPT, DALL-E a ChatGPT, ktorá si kladie za cieľ vytvoriť bezpečnú a prospešnú všeobecnú umelú inteligenciu (AGI) pre ľudstvo.
OpenCV je pokročilá open-source knižnica pre počítačové videnie a strojové učenie, ktorá ponúka viac než 2500 algoritmov na spracovanie obrazu, detekciu objektov a aplikácie v reálnom čase naprieč viacerými jazykmi a platformami.
Optické rozpoznávanie znakov (OCR) je prelomová technológia, ktorá prevádza dokumenty, ako sú naskenované papiere, PDF súbory alebo obrázky, na editovateľné a vyhľadávateľné dáta. Zistite, ako OCR funguje, aké sú jeho typy, využitie, výhody, obmedzenia a najnovšie pokroky v AI OCR systémoch.
Optimalizácia pre generatívne vyhľadávače (GEO) je stratégia optimalizácie obsahu pre AI platformy ako ChatGPT a Bard, ktorá zabezpečuje viditeľnosť a presné zobrazenie v odpovediach generovaných AI.
Objavte rozsah a stratégie optimalizácie pre odpovedacie enginy (AEO), so zameraním na poskytovanie priamych odpovedí na používateľské otázky prostredníctvom hlasového vyhľadávania, integrácie AI a štruktúrovaných dát. Zistite, ako sa AEO líši od tradičného SEO a akú úlohu hrá pri zvyšovaní angažovanosti používateľov a viditeľnosti.
Orgány dohľadu nad AI sú organizácie poverené monitorovaním, hodnotením a regulovaním vývoja a nasadzovania AI, čím zabezpečujú zodpovedné, etické a transparentné využívanie umelej inteligencie a zmierňujú riziká, ako sú diskriminácia, porušenie súkromia či nedostatok zodpovednosti.
Zobrazené 3 z 6
