Bläddra i allt innehåll i kategorin Glossary
LightGBM, eller Light Gradient Boosting Machine, är ett avancerat ramverk för gradientförstärkning utvecklat av Microsoft. Utformat för högpresterande maskininlärningsuppgifter såsom klassificering, rankning och regression, utmärker sig LightGBM genom att hantera stora datamängder effektivt med minimal minnesanvändning och hög noggrannhet.
Linjär regression är en grundläggande analytisk teknik inom statistik och maskininlärning, som modellerar sambandet mellan beroende och oberoende variabler. Känd för sin enkelhet och tolkbarhet, är den grundläggande för prediktiv analys och datamodellering.
Lär dig om LIX-läsbarhetsmåttet—en formel utvecklad för att bedöma textkomplexitet genom att analysera meningslängd och långa ord. Förstå dess tillämpningar inom utbildning, förlagsbranschen, journalistik, AI och mer.
Ljudtranskribering är processen att omvandla talat språk från ljudinspelningar till skriven text, vilket gör tal, intervjuer, föreläsningar och andra ljudformat tillgängliga och sökbara. Framsteg inom AI har förbättrat transkriberingens noggrannhet och effektivitet, vilket stödjer media, akademi, juridik och innehållsskapande industrier.
Filen llms.txt är en standardiserad Markdown-fil utformad för att optimera hur stora språkmodeller (LLM:er) får åtkomst till och bearbetar webbplatsinnehåll. Filen placeras i webbplatsens rot och tillhandahåller ett kurerat, maskinläsbart index för att förbättra AI-drivna interaktioner.
Loggförlust, eller logaritmisk/korsentropiförlust, är ett nyckelmått för att utvärdera prestandan hos maskininlärningsmodeller—särskilt för binär klassificering—genom att mäta avvikelsen mellan förutsagda sannolikheter och faktiska utfall, och bestraffa felaktiga eller överdrivet självsäkra förutsägelser.
Logistisk regression är en statistisk och maskininlärningsmetod som används för att förutsäga binära utfall från data. Den uppskattar sannolikheten för att en händelse ska inträffa baserat på en eller flera oberoende variabler och används ofta inom hälso- och sjukvård, finans, marknadsföring och AI.
Long Short-Term Memory (LSTM) är en specialiserad typ av Recurrent Neural Network (RNN)-arkitektur utformad för att lära sig långsiktiga beroenden i sekventiell data. LSTM-nätverk använder minnesceller och grindmekanismer för att hantera problemet med försvinnande gradienter, vilket gör dem oumbärliga för uppgifter som språkbearbetning, taligenkänning och tidsserieförutsägelser.
Läslighet mäter hur lätt det är för en läsare att förstå skriven text, och speglar tydlighet och tillgänglighet genom ordförråd, meningsstruktur och organisering. Upptäck dess betydelse, mätformler och hur AI-verktyg förbättrar läsligheten inom utbildning, marknadsföring, hälso- och sjukvård och mer.
Upptäck vad läsnivå innebär, hur det mäts och varför det är viktigt. Lär dig om olika bedömningssystem, faktorer som påverkar läsförmåga och strategier för att förbättra din läsnivå, inklusive AI:s roll i individanpassat lärande.
Maskininlärning (ML) är en underkategori av artificiell intelligens (AI) som gör det möjligt för maskiner att lära sig av data, identifiera mönster, göra förutsägelser och förbättra beslutsfattandet över tid utan explicit programmering.
En maskininlärningspipeline är ett automatiserat arbetsflöde som effektiviserar och standardiserar utveckling, träning, utvärdering och driftsättning av maskininlärningsmodeller, vilket omvandlar rådata till handlingsbara insikter effektivt och i stor skala.
Model Context Protocol (MCP) är ett öppet standardgränssnitt som gör det möjligt för Large Language Models (LLM) att på ett säkert och konsekvent sätt få tillgång till externa datakällor, verktyg och funktioner, och fungerar som en 'USB-C' för AI-system.
Medelfel (MAE) är ett grundläggande mått inom maskininlärning för att utvärdera regressionsmodeller. Det mäter den genomsnittliga storleken på felen i förutsägelser, vilket ger ett enkelt och lättförståeligt sätt att bedöma modellens noggrannhet utan att ta hänsyn till felens riktning.
Medelgenomsnittlig precision (mAP) är en nyckelmetrik inom datorseende för att utvärdera objektigenkänningsmodeller, och fångar både detekterings- och lokaliseringsnoggrannhet med ett enda skalarvärde. Den används ofta vid benchmarking och optimering av AI-modeller för uppgifter som autonom körning, övervakning och informationssökning.
Upptäck hur 'Menade du' (DYM) inom NLP identifierar och korrigerar fel i användarinmatningar, såsom stavfel eller felskrivningar, och föreslår alternativ för att förbättra användarupplevelsen i sökmotorer, chatbottar och mer.
Upptäck vad en AI-meningsomskrivare är, hur den fungerar, dess användningsområden och hur den hjälper skribenter, studenter och marknadsförare att omformulera text samtidigt som betydelsen bevaras och tydligheten förbättras.
En metaprompt inom artificiell intelligens är en hög-nivå-instruktion utformad för att generera eller förbättra andra prompts för stora språkmodeller (LLM), vilket förbättrar AI-resultat, automatiserar uppgifter och förbättrar flerstegsresonemang i chattbottar och automatiseringsflöden.
Läs mer om Mistral AI och de LLM-modeller de erbjuder. Upptäck hur dessa modeller används och vad som särskiljer dem.
Modellförändring, eller modelldegeneration, syftar på den nedgång i en maskininlärningsmodells prediktiva prestanda över tid på grund av förändringar i den verkliga miljön. Lär dig om typer, orsaker, detekteringsmetoder och lösningar för modellförändring inom AI och maskininlärning.
Modellkollaps är ett fenomen inom artificiell intelligens där en tränad modell försämras över tid, särskilt när den förlitar sig på syntetisk eller AI-genererad data. Detta leder till minskad outputdiversitet, säkra svar och en försämrad förmåga att producera kreativt eller originellt innehåll.
Modellrobusthet avser förmågan hos en maskininlärningsmodell (ML) att bibehålla konsekvent och noggrann prestanda trots variationer och osäkerheter i indata. Robusta modeller är avgörande för pålitliga AI-applikationer och säkerställer motståndskraft mot brus, avvikare, distributionsskiften och adversariella attacker.
Modelltolkning avser förmågan att förstå, förklara och lita på de förutsägelser och beslut som fattas av maskininlärningsmodeller. Det är avgörande inom AI, särskilt för beslutsfattande inom hälso- och sjukvård, finans och autonoma system, och överbryggar klyftan mellan komplexa modeller och mänsklig förståelse.
Monte Carlo-metoder är beräkningsalgoritmer som använder upprepad slumpmässig provtagning för att lösa komplexa, ofta deterministiska problem. De används flitigt inom finans, teknik, AI och mer, och möjliggör modellering av osäkerhet, optimering och riskbedömning genom att simulera många scenarier och analysera sannolikhetsutfall.
Multi-hopresonemang är en AI-process, särskilt inom NLP och kunskapsgrafer, där system kopplar samman flera informationsbitar för att besvara komplexa frågor eller fatta beslut. Det möjliggör logiska kopplingar mellan datakällor, vilket stöder avancerad frågehantering, komplettering av kunskapsgrafer och smartare chattbottar.
Apache MXNet är ett open source-ramverk för djupinlärning utformat för effektiv och flexibel träning och distribution av djupa neurala nätverk. Känt för sin skalbarhet, hybrida programmeringsmodell och stöd för flera språk, ger MXNet forskare och utvecklare möjlighet att bygga avancerade AI-lösningar.
Human-in-the-Loop (HITL) är en AI- och maskininlärningsmetod som integrerar mänsklig expertis i träning, justering och tillämpning av AI-system, vilket ökar noggrannheten, minskar fel och säkerställer etisk efterlevnad.
Mönsterigenkänning är en beräkningsprocess för att identifiera mönster och regelbundenheter i data, avgörande inom områden som AI, datavetenskap, psykologi och dataanalys. Det automatiserar igenkänningen av strukturer i tal, text, bilder och abstrakta datamängder, vilket möjliggör intelligenta system och applikationer såsom datorseende, taligenkänning, OCR och bedrägeridetektion.
Naiv Bayes är en familj av klassificeringsalgoritmer baserade på Bayes sats, som tillämpar villkorlig sannolikhet med den förenklande antagandet att funktionerna är villkorligt oberoende. Trots detta är Naiv Bayes-klassificerare effektiva, skalbara och används i tillämpningar som skräppostdetektering och textklassificering.
Namngiven enhetsigenkänning (NER) är ett centralt delområde inom Natural Language Processing (NLP) i AI, med fokus på att identifiera och klassificera enheter i text i fördefinierade kategorier såsom personer, organisationer och platser för att förbättra dataanalys och automatisera informationsutvinning.
Naturlig språkbearbetning (NLP) är ett delområde inom artificiell intelligens (AI) som gör det möjligt för datorer att förstå, tolka och generera mänskligt språk. Upptäck viktiga aspekter, hur det fungerar och dess tillämpningar inom olika branscher.
En negativ prompt inom AI är en instruktion som talar om för modeller vad som inte ska ingå i deras genererade resultat. Till skillnad från traditionella prompts som styr innehållsskapande, specificerar negativa prompts element, stilar eller egenskaper att undvika, vilket förfinar resultatet och säkerställer att det överensstämmer med användarens önskemål, särskilt i generativa modeller som Stable Diffusion och Midjourney.
Netto nyförsäljning avser intäkterna som genereras från nyförvärvade kunder eller återaktiverade konton under en specifik period, vanligtvis exklusive intäkter från merförsäljning eller korsförsäljning till befintliga aktiva kunder. Det är en viktig mätpunkt för företag som vill mäta tillväxt driven av att utöka sin kundbas snarare än att enbart förlita sig på merförsäljning till nuvarande kunder.
Neuromorfisk databehandling är en banbrytande metod inom datorteknik som modellerar både hårdvara och mjukvara efter den mänskliga hjärnan och nervsystemet. Detta tvärvetenskapliga område, även känt som neuromorfisk teknik, hämtar inspiration från datavetenskap, biologi, matematik, elektroteknik och fysik för att skapa bioinspirerade datorsystem och hårdvara.
Natural Language Toolkit (NLTK) är en omfattande svit av Python-bibliotek och program för symbolisk och statistisk språkteknologi (NLP). Verktyget används flitigt inom akademi och industri och erbjuder verktyg för tokenisering, stemming, lemmatisering, POS-tagging och mycket mer.
No-Code AI-plattformar gör det möjligt för användare att bygga, implementera och hantera AI- och maskininlärningsmodeller utan att skriva kod. Dessa plattformar erbjuder visuella gränssnitt och färdigbyggda komponenter, vilket demokratiserar AI för affärsanvändare, analytiker och ämnesexperter.
Upptäck vikten av AI-modellernas noggrannhet och stabilitet inom maskininlärning. Lär dig hur dessa mätvärden påverkar applikationer som bedrägeridetektion, medicinsk diagnostik och chattbotar samt utforska tekniker för att förbättra tillförlitlig AI-prestanda.
NSFW, en förkortning för Not Safe For Work (Ej säker för arbete), är en internetslangterm som används för att märka innehåll som kan vara olämpligt eller stötande att visa i offentliga eller professionella miljöer. Denna beteckning fungerar som en varning om att materialet kan innehålla element som nakenhet, sexuellt innehåll, grafiskt våld, svordomar eller andra känsliga ämnen som inte lämpar sig på arbetsplatser eller i skolor.
NumPy är ett open source-bibliotek för Python som är avgörande för numeriska beräkningar och erbjuder effektiva arrayoperationer och matematiska funktioner. Det utgör grunden för vetenskaplig databehandling, data science och maskininlärning genom att möjliggöra snabb, storskalig databehandling.
Open Neural Network Exchange (ONNX) är ett öppen källkodsformat för smidig utbyte av maskininlärningsmodeller mellan olika ramverk, vilket ökar flexibiliteten vid driftsättning, standardisering och hårdvaruoptimering.
OpenAI är en ledande forskningsorganisation inom artificiell intelligens, känd för att ha utvecklat GPT, DALL-E och ChatGPT, och strävar efter att skapa säker och fördelaktig artificiell generell intelligens (AGI) för mänskligheten.
OpenCV är ett avancerat open source-bibliotek för datorseende och maskininlärning, med över 2500 algoritmer för bildbehandling, objektigenkänning och realtidsapplikationer på flera språk och plattformar.
Optisk teckenigenkänning (OCR) är en omvälvande teknik som omvandlar dokument såsom inskannade papper, PDF-filer eller bilder till redigerbar och sökbar data. Lär dig hur OCR fungerar, dess typer, tillämpningar, fördelar, begränsningar och de senaste framstegen inom AI-drivna OCR-system.
Ord-inbäddningar är sofistikerade representationer av ord i ett kontinuerligt vektorrum som fångar semantiska och syntaktiska relationer för avancerade NLP-uppgifter som textklassificering, maskinöversättning och sentimentanalys.
Ordklassmärkning (POS-tagging) är en avgörande uppgift inom datorlingvistik och naturlig språkbehandling (NLP). Det innebär att varje ord i en text tilldelas sin motsvarande ordklass, baserat på dess definition och kontext i en mening. Huvudmålet är att kategorisera ord i grammatiska kategorier som substantiv, verb, adjektiv, adverb etc., vilket gör det möjligt för maskiner att bearbeta och förstå mänskligt språk mer effektivt.
Ta reda på vad ostrukturerad data är och hur den jämförs med strukturerad data. Lär dig om utmaningar och verktyg som används för ostrukturerad data.
Oövervakad inlärning är en gren av maskininlärning som fokuserar på att hitta mönster, strukturer och samband i oetiketterad data, vilket möjliggör uppgifter som klustring, dimensionsreduktion och associationsregel-inlärning för applikationer såsom kundsegmentering, avvikelsedetektering och rekommendationssystem.
Oövervakad inlärning är en maskininlärningsteknik som tränar algoritmer på oetiketterad data för att upptäcka dolda mönster, strukturer och samband. Vanliga metoder inkluderar klustring, association och dimensionsreduktion, med tillämpningar inom kundsegmentering, avvikelsedetektering och varukorgsanalys.
Pandas är ett öppen källkod-bibliotek för datamanipulering och analys i Python, känt för sin mångsidighet, robusta datastrukturer och användarvänlighet vid hantering av komplexa dataset. Det är en hörnsten för dataanalytiker och datavetare, och stödjer effektiv datarensning, transformation och analys.
Parafrasering i kommunikation är färdigheten att återge en annan persons budskap med egna ord utan att förändra den ursprungliga betydelsen. Det säkerställer tydlighet, främjar förståelse och förbättras av AI-verktyg som erbjuder alternativa uttryck på ett effektivt sätt.
Upptäck vad en paragraf-omskrivare är, hur den fungerar, dess viktigaste funktioner och hur den kan förbättra skrivkvaliteten, undvika plagiat och stärka SEO genom avancerade språkbehandlingstekniker.
Parameter-Effektiv Finjustering (PEFT) är ett innovativt tillvägagångssätt inom AI och NLP som möjliggör anpassning av stora förtränade modeller till specifika uppgifter genom att endast uppdatera en liten delmängd av deras parametrar, vilket minskar beräkningskostnader och träningstid för effektiv implementering.
Utforska partiskhet inom AI: förstå dess källor, påverkan på maskininlärning, verkliga exempel och strategier för att minska partiskhet för att bygga rättvisa och pålitliga AI-system.
Pathways Language Model (PaLM) är Googles avancerade familj av stora språkmodeller, utformade för mångsidiga tillämpningar som textgenerering, resonemang, kodanalys och flerspråkig översättning. Byggd på Pathways-initiativet utmärker sig PaLM inom prestanda, skalbarhet och ansvarsfull AI-praktik.
Perplexity AI är en avancerad AI-driven sökmotor och konversationstjänst som använder NLP och maskininlärning för att leverera precisa, kontextuella svar med källhänvisningar. Perfekt för forskning, lärande och professionellt bruk, integrerar den flera stora språkmodeller och informationskällor för noggrann, realtidsbaserad informationssökning.
Personlig marknadsföring med AI utnyttjar artificiell intelligens för att anpassa marknadsföringsstrategier och kommunikation till individuella kunder baserat på beteenden, preferenser och interaktioner, vilket ökar engagemang, nöjdhet och konverteringsgrad.
Plotly är ett avancerat, öppen källkods-bibliotek för att skapa interaktiva, publikationkvalitativa grafer online. Kompatibelt med Python, R och JavaScript, ger Plotly användare möjlighet att leverera komplexa datavisualiseringar och stöder ett brett utbud av diagramtyper, interaktivitet och integration med webbapplikationer.
Posestimering är en datorseendeteknik som förutspår position och orientering av en person eller ett objekt i bilder eller videor genom att identifiera och spåra nyckelpunkter. Det är avgörande för tillämpningar som sportanalys, robotik, spel och självkörande fordon.
Inom området för LLM:er är en prompt en inmatningstext som styr modellens utdata. Lär dig hur effektiva prompts, inklusive zero-, one-, few-shot och chain-of-thought-tekniker, förbättrar svarskvaliteten i AI-språkmodeller.
Promptteknik är praxis att utforma och förfina indata för generativa AI-modeller för att producera optimala resultat. Detta innebär att skapa precisa och effektiva prompts som styr AI:n att generera text, bilder eller andra former av innehåll som uppfyller specifika krav.
Visar 4 av 6
