Bläddra i allt innehåll i kategorin Glossary
PyTorch är ett öppen källkod maskininlärningsramverk utvecklat av Meta AI, känt för sin flexibilitet, dynamiska beräkningsgrafer, GPU-acceleration och sömlös integrering med Python. Det används i stor utsträckning för djupinlärning, datorseende, NLP och forskningsapplikationer.
Q-inlärning är ett grundläggande koncept inom artificiell intelligens (AI) och maskininlärning, särskilt inom förstärkningsinlärning. Det möjliggör för agenter att lära sig optimala handlingar genom interaktion och feedback via belöningar eller straff, vilket förbättrar beslutsfattandet över tid.
Utforska recall inom maskininlärning: en avgörande metrisk för att utvärdera modellprestanda, särskilt i klassificeringsuppgifter där det är viktigt att korrekt identifiera positiva instanser. Lär dig dess definition, beräkning, betydelse, användningsområden och strategier för förbättring.
Regularisering inom artificiell intelligens (AI) avser en uppsättning tekniker som används för att förhindra överanpassning i maskininlärningsmodeller genom att införa begränsningar under träning, vilket möjliggör bättre generalisering till osedda data.
Rekurrenta neurala nätverk (RNN) är en avancerad klass av artificiella neurala nätverk som är utformade för att bearbeta sekventiell data genom att utnyttja minnet av tidigare indata. RNN är särskilt bra på uppgifter där ordningen på datan är avgörande, inklusive NLP, taligenkänning och tidsserieförutsägelser.
Rekursiv promptning är en AI-teknik som används med stora språkmodeller som GPT-4, vilket möjliggör för användare att iterativt förfina utdata genom en fram-och-tillbaka-dialog för att uppnå högre kvalitet och mer exakta resultat.
Resonemang är den kognitiva processen att dra slutsatser, göra inferenser eller lösa problem baserat på information, fakta och logik. Utforska dess betydelse inom AI, inklusive OpenAI:s o1-modell och avancerade resonemangsförmågor.
Retrieval Augmented Generation (RAG) är en avancerad AI-ram som kombinerar traditionella informationssökningssystem med generativa stora språkmodeller (LLMs), vilket gör det möjligt för AI att generera text som är mer exakt, aktuell och kontextuellt relevant genom att integrera extern kunskap.
En Receiver Operating Characteristic (ROC) kurva är en grafisk representation som används för att utvärdera prestandan hos ett binärt klassificeringssystem när dess diskrimineringströskel varieras. ROC-kurvor härstammar från signaldetektionsteorin under andra världskriget och är nu oumbärliga inom maskininlärning, medicin och AI för modelevaluering.
ROUGE-poängen är en uppsättning mått som används för att utvärdera kvaliteten på maskin-genererade sammanfattningar och översättningar genom att jämföra dem med mänskliga referenser. ROUGE används ofta inom NLP och mäter innehållsöverlappning och återkallelse, vilket hjälper till att bedöma system för sammanfattning och översättning.
Lär dig grundläggande information om Rytr. En snabb översikt över nyckelfunktioner, fördelar och nackdelar samt alternativ.
Upptäck samarbetande robotar (cobots): deras ursprung, säkerhetsfunktioner, AI-integration, tillämpningar inom olika branscher, fördelar och begränsningar. Lär dig hur cobots möjliggör säker människa-robot-interaktion och driver innovation.
Scenbaserad textigenkänning (STR) är en specialiserad gren av optisk teckenigenkänning (OCR) som fokuserar på att identifiera och tolka text i bilder tagna i naturliga miljöer med hjälp av AI och djupa inlärningsmodeller. STR driver applikationer som autonoma fordon, förstärkt verklighet och smart stadsinfrastruktur genom att omvandla komplex, verklig text till maskinläsbara format.
Scikit-learn är ett kraftfullt, öppet källkodsramverk för maskininlärning i Python som erbjuder enkla och effektiva verktyg för prediktiv dataanalys. Brett använt av datavetare och maskininlärningspraktiker, erbjuder det ett brett utbud av algoritmer för klassificering, regression, klustring och mer, med sömlös integration i Python-ekosystemet.
SciPy är ett robust open source-bibliotek för vetenskapliga och tekniska beräkningar. Det bygger på NumPy och erbjuder avancerade matematiska algoritmer, optimering, integration, datamanipulation, visualisering och interoperabilitet med bibliotek som Matplotlib och Pandas, vilket gör det oumbärligt för vetenskapliga beräkningar och dataanalys.
Upptäck vad en seed är inom AI-konst, hur den påverkar bildgenereringsprocessen och hur konstnärer använder seeds för konsekvens eller kreativ utforskning på generativa konstplattformar.
Upptäck sekvensmodellering inom AI och maskininlärning—förutsäg och generera sekvenser i data som text, ljud och DNA med RNN, LSTM, GRU och Transformers. Utforska nyckelbegrepp, tillämpningar, utmaningar och aktuell forskning.
Semantisk analys är en avgörande teknik inom Natural Language Processing (NLP) som tolkar och härleder betydelse från text, vilket gör det möjligt för maskiner att förstå språklig kontext, känslor och nyanser för förbättrad användarinteraktion och affärsinsikter.
Semantisk segmentering är en datorsynteknik som delar upp bilder i flera segment och tilldelar varje pixel en klassetikett som representerar ett objekt eller område. Det möjliggör detaljerad förståelse för applikationer som autonom körning, medicinsk avbildning och robotik genom djupa inlärningsmodeller såsom CNN, FCN, U-Net och DeepLab.
Semisupervised inlärning (SSL) är en maskininlärningsteknik som utnyttjar både märkta och omärkta data för att träna modeller, vilket gör det idealiskt när det är opraktiskt eller dyrt att märka all data. Det kombinerar styrkorna från övervakad och oövervakad inlärning för att förbättra noggrannhet och generalisering.
Sentimentanalys, även kallad opinionsutvinning, är en avgörande AI- och NLP-uppgift för att klassificera och tolka den känslomässiga tonen i text som positiv, negativ eller neutral. Upptäck dess betydelse, typer, metoder och praktiska tillämpningar för företag.
En SEO-poäng är en numerisk representation av hur väl en webbplats följer SEO:s bästa praxis, och utvärderar tekniska aspekter, innehållskvalitet, användarupplevelse och mobilanpassning. Att förstå och förbättra din SEO-poäng är avgörande för att öka din webbplats synlighet i sökmotorernas resultat.
Singulariteten inom artificiell intelligens är en teoretisk framtida punkt där maskinintelligens överskrider mänsklig intelligens, vilket utlöser snabba och oförutsägbara samhällsförändringar. Utforska dess ursprung, nyckelbegrepp, konsekvenser och pågående debatter.
Garbage In, Garbage Out (GIGO) belyser hur kvaliteten på utdata från AI och andra system är direkt beroende av ingångsdatans kvalitet. Lär dig om dess implikationer inom AI, vikten av datakvalitet och strategier för att minska GIGO för mer exakta, rättvisa och tillförlitliga resultat.
Smile and Dial är en försäljningsteknik som innebär att man ringer utgående samtal till potentiella kunder med en positiv och entusiastisk attityd. Att le under samtalet förbättrar röstens tonläge, vilket bygger värme, förtroende och engagemang—särskilt vid kallringning och telemarketing. Med stöd av AI ökar det personliga interaktioner, trots utmaningar som utbrändhet eller regleringar.
spaCy är ett robust, öppet Python-bibliotek för avancerad Natural Language Processing (NLP), känt för sin snabbhet, effektivitet och produktionsklara funktioner som tokenisering, ordklassanalys och namngiven entityigenkänning.
Språkdetektion i stora språkmodeller (LLM:er) är processen där dessa modeller identifierar vilket språk en given text är skriven på, vilket möjliggör korrekt hantering för flerspråkiga applikationer som chattbottar, översättning och innehållsmoderering.
Stable Diffusion är en avancerad text-till-bild-genereringsmodell som använder djupinlärning för att skapa högkvalitativa, fotorealistiska bilder utifrån textbeskrivningar. Som en latent diffusionsmodell innebär den ett stort genombrott inom generativ AI och kombinerar effektivt diffusionsmodeller och maskininlärning för att generera bilder som nära matchar givna instruktioner.
Ett kunskapsstoppdatum är den specifika tidpunkt efter vilken en AI-modell inte längre har uppdaterad information. Lär dig varför dessa datum är viktiga, hur de påverkar AI-modeller och se stoppdatumen för GPT-3.5, Bard, Claude och fler.
En stor språkmodell (LLM) är en typ av AI som tränats på enorma textmängder för att förstå, generera och bearbeta mänskligt språk. LLM:er använder djupinlärning och transformatornätverk för att driva uppgifter som textgenerering, summering, översättning och mer inom olika branscher.
Lär dig mer om strukturerad data och dess användning, se exempel och jämför med andra typer av datastrukturer.
Syntetisk data avser artificiellt genererad information som efterliknar verklig data. Den skapas med hjälp av algoritmer och datorsimuleringar för att fungera som ersättning eller komplement till verklig data. Inom AI är syntetisk data avgörande för att träna, testa och validera maskininlärningsmodeller.
Talsyntes, även känd som automatisk taligenkänning (ASR) eller tal-till-text, gör det möjligt för datorer att tolka och omvandla talat språk till skriven text, driver applikationer från virtuella assistenter till tillgänglighetsverktyg och förändrar interaktionen mellan människa och maskin.
Talsyntes, även känt som automatisk talsyntes (ASR) eller tal-till-text, är en teknik som gör det möjligt för maskiner och program att tolka och transkribera talat språk till skriven text. Denna kraftfulla förmåga skiljer sig från röstigenkänning, som identifierar en enskild talares röst. Talsyntes fokuserar enbart på att översätta talat språk till text.
Den teknologiska singulariteten är en teoretisk framtida händelse där artificiell intelligens (AI) överträffar mänsklig intelligens, vilket leder till en dramatisk och oförutsägbar omvandling av samhället. Detta koncept utforskar både de potentiella fördelarna och de betydande riskerna som är förknippade med superintelligent AI.
TensorFlow är ett open-source-bibliotek utvecklat av Google Brain-teamet, utformat för numerisk beräkning och storskalig maskininlärning. Det stöder djupinlärning, neurala nätverk och körs på CPU:er, GPU:er och TPU:er, vilket förenklar datahantering, modellträning och driftsättning.
Text-till-Tal (TTS)-teknik är en sofistikerad mjukvarumekanism som omvandlar skriven text till hörbart tal, vilket förbättrar tillgängligheten och användarupplevelsen inom kundtjänst, utbildning, hjälpmedelsteknik och mer genom att utnyttja AI för naturligt klingande röster.
Textgenerering med stora språkmodeller (LLMs) avser den avancerade användningen av maskininlärningsmodeller för att producera text som liknar mänskligt språk utifrån uppmaningar. Utforska hur LLM:er, drivna av transformerarkitekturer, revolutionerar innehållsskapande, chatbots, översättning och mycket mer.
Textklassificering, även känt som textkategorisering eller texttaggning, är en central NLP-uppgift som tilldelar fördefinierade kategorier till textdokument. Det organiserar och strukturerar ostrukturerad data för analys, med hjälp av maskininlärningsmodeller för att automatisera processer som sentimentanalys, skräppostdetektion och ämneskategorisering.
Textsammansfattning är en grundläggande AI-process som kondenserar långa dokument till koncisa sammanfattningar och bevarar viktig information och mening. Genom att utnyttja stora språkmodeller som GPT-4 och BERT möjliggörs effektiv hantering och förståelse av enorma mängder digitalt innehåll via abstraktiva, extraktiva och hybrida metoder.
Tillsynsorgan för AI är organisationer som ansvarar för att övervaka, utvärdera och reglera utvecklingen och implementeringen av AI, för att säkerställa ansvarsfull, etisk och transparent användning samt minska risker som diskriminering, integritetskränkningar och brist på ansvarstagande.
En token i sammanhanget stora språkmodeller (LLM:er) är en sekvens av tecken som modellen omvandlar till numeriska representationer för effektiv bearbetning. Token är de grundläggande textenheter som används av LLM:er såsom GPT-3 och ChatGPT för att förstå och generera språk.
Top-k noggrannhet är ett utvärderingsmått inom maskininlärning som bedömer om den sanna klassen finns bland de k högst predicerade klasserna, vilket ger ett mer heltäckande och förlåtande mått i uppgifter med flera klasser.
Torch är ett öppen källkod maskininlärningsbibliotek och vetenskapligt beräkningsramverk baserat på Lua, optimerat för djupinlärning och AI-uppgifter. Det erbjuder verktyg för att bygga neurala nätverk, stöder GPU-acceleration och var en föregångare till PyTorch.
Transfer Learning är en kraftfull AI/ML-teknik som anpassar förtränade modeller till nya uppgifter, förbättrar prestanda med begränsad data och ökar effektiviteten inom olika användningsområden som bildigenkänning och NLP.
Transformatorer är en banbrytande neurala nätverksarkitektur som har förändrat artificiell intelligens, särskilt inom naturlig språkbehandling. Introducerad i 2017 års 'Attention is All You Need', möjliggör de effektiv parallell bearbetning och har blivit grundläggande för modeller som BERT och GPT, med påverkan på NLP, bildanalys och mer.
En transformer-modell är en typ av neuralt nätverk som är särskilt utformad för att hantera sekventiell data, såsom text, tal eller tidsseriedata. Till skillnad från traditionella modeller som RNN och CNN använder transformers en uppmärksamhetsmekanism för att väga betydelsen av element i indatasekvensen, vilket möjliggör kraftfull prestanda i applikationer som NLP, taligenkänning, genomik och mer.
Transparens inom artificiell intelligens (AI) avser öppenheten och tydligheten i hur AI-system fungerar, inklusive deras beslutsprocesser, algoritmer och data. Det är avgörande för AI-etik och styrning, och säkerställer ansvarstagande, tillit och efterlevnad av regleringar.
Utforska de senaste trenderna inom AI-finansiering 2024, inklusive ökade investeringar, teknikjättarnas dominans, tillväxten inom generativ AI och startupbolagens påverkan. Lär dig mer om stora affärer, sektorspecifika investeringar och de utmaningar som formar AI-investeringslandskapet.
Träningsdata avser den datamängd som används för att instruera AI-algoritmer, vilket gör det möjligt för dem att känna igen mönster, fatta beslut och förutsäga resultat. Denna data kan inkludera text, siffror, bilder och videor och måste vara högkvalitativ, varierad och väl märkt för att AI-modellen ska prestera effektivt.
Träningsfel inom AI och maskininlärning är skillnaden mellan en modells förutsagda och faktiska utdata under träningen. Det är en nyckelmetrik för att utvärdera modellens prestanda, men måste beaktas tillsammans med testfel för att undvika överanpassning eller underanpassning.
Turingtestet är ett grundläggande begrepp inom artificiell intelligens, utformat för att utvärdera om en maskin kan uppvisa intelligent beteende som är omöjligt att särskilja från en människa. Testet, som etablerades av Alan Turing 1950, innebär att en mänsklig domare samtalar med både en människa och en maskin för att avgöra om maskinen kan efterlikna mänskliga svar på ett övertygande sätt.
Underfitting uppstår när en maskininlärningsmodell är för enkel för att fånga de underliggande trenderna i den data den tränas på. Detta leder till dålig prestanda både på osedd och träningsdata, ofta på grund av bristande modellkomplexitet, otillräcklig träning eller bristfällig feature-selektion.
AI-utbyggbarhet avser artificiella intelligenssystemens förmåga att utöka sina kapabiliteter till nya domäner, uppgifter och datamängder utan omfattande omträning, med hjälp av tekniker som transfer learning, multi-task learning och modulär design för flexibilitet och sömlös integration.
Utforskande dataanalys (EDA) är en process som sammanfattar datasetets egenskaper med hjälp av visuella metoder för att upptäcka mönster, identifiera avvikelser och underlätta datarensning, modellval och analys med verktyg som Python, R och Tableau.
Utvecklingsinriktad Läsbedömning (DRA) är ett individuellt administrerat verktyg utformat för att utvärdera en elevs läsförmåga och ge insikter om läsnivå, flyt och läsförståelse. Det hjälper lärare att anpassa undervisningen och följa elevens utveckling från förskoleklass till årskurs åtta.
Fastai är ett djupinlärningsbibliotek byggt på PyTorch, som erbjuder hög-nivå API:er, transfer learning och en lagerbaserad arkitektur för att förenkla utvecklingen av neurala nätverk för bildanalys, NLP, tabulär data och mer. Fastai är utvecklat av Jeremy Howard och Rachel Thomas, är öppen källkod och drivs av communityn, vilket gör den senaste AI-tekniken tillgänglig för alla.
Inom AI är en 'vallgrav' en hållbar konkurrensfördel—såsom stordriftsfördelar, nätverkseffekter, egenutvecklad teknik, höga byteskostnader och datavallar—som hjälper företag att bibehålla marknadsledarskap och avskräcka konkurrenter.
Vertikala AI-agenter är branschspecifika artificiella intelligenslösningar utformade för att hantera unika utmaningar och optimera processer inom olika sektorer. Upptäck hur vertikala AI-agenter transformerar företagsprogramvara med specialiserade, högpresterande applikationer.
En AI-webbplatsgenerator med kodexport är ett programverktyg som utnyttjar artificiell intelligens för att automatisera skapandet av webbplatser och samtidigt låter användare exportera och anpassa underliggande kod i HTML, CSS, JavaScript eller populära ramverk.
Visar 5 av 6
