در حال آمادهسازی...
مفاهیم و اصطلاحات هوش مصنوعی را عمیق‌تر بشناس.
مدل آبشاری؛ ترکیب چند مدل که هر کدام بخشی از تصمیم‌گیری را انجام می‌دهند. این معماری می‌تواند با استفاده از مدل‌های ساده‌تر در مراحل اولیه و مدل‌های دقیق‌تر در مراحل بعدی، هزینه پردازش را کاهش دهد.
مشاهدهٔ جزئیاترانش مفهوم؛ تغییر تدریجی الگوهای داده در طول زمان که باعث افت عملکرد مدل می‌شود. اگر رفتار داده‌های واقعی تغییر کند، مدلی که قبلا دقیق بوده ممکن است به مرور نیاز به پایش و بازآموزی داشته باشد.
مشاهدهٔ جزئیاتاستقرار؛ مرحله‌ای که در آن مدل آموزش‌دیده در محصول یا سرویس واقعی استفاده می‌شود. بعد از استقرار، مدل باید از نظر کیفیت، سرعت، هزینه و تغییر رفتار داده‌ها نیز پایش شود.
مشاهدهٔ جزئیاتمخزن ویژگی؛ سرویس مشترکی که ویژگی‌های آماده‌شده را برای آموزش و سرویس‌دهی با تعریف یکسان نگه می‌دارد تا ناسازگاری میان مدل و محیط واقعی کم شود.
مشاهدهٔ جزئیاتاستنتاج؛ استفاده از مدل آموزش‌دیده برای پیش‌بینی یا تولید خروجی روی داده‌های جدید. هر بار که یک مدل آموزش‌دیده برای پاسخ به درخواست کاربر اجرا می‌شود، در حال انجام Inference است.
مشاهدهٔ جزئیاتAPI استنتاج؛ سرویسی که یک ورودی را به مدل می‌دهد و خروجی تولیدشده توسط مدل را به برنامه برمی‌گرداند.
مشاهدهٔ جزئیاتتأخیر؛ مدت زمانی که از ارسال درخواست تا دریافت پاسخ یا نتیجه سپری می‌شود.
مشاهدهٔ جزئیاتعملیات یادگیری ماشین؛ روش‌ها و ابزارها برای استقرار، پایش و نگهداری مدل‌ها در محیط واقعی. MLOps همکاری بین توسعه، داده و عملیات را برای تبدیل مدل آزمایشی به یک سرویس پایدار ساده‌تر می‌کند.
مشاهدهٔ جزئیاتAPI مدل؛ رابطی که به برنامه‌ها اجازه می‌دهد قابلیت‌های یک مدل هوش مصنوعی را از طریق درخواست‌های نرم‌افزاری استفاده کنند.
مشاهدهٔ جزئیاترانش مدل؛ کاهش تدریجی دقت مدل به دلیل تغییر الگوهای داده در طول زمان. پایش مداوم عملکرد کمک می‌کند افت تدریجی کیفیت مدل زودتر شناسایی شود.
مشاهدهٔ جزئیاتمسیریابی مدل؛ انتخاب خودکار مدل مناسب برای هر درخواست بر اساس عواملی مانند نوع کار، کیفیت موردنیاز، سرعت یا هزینه.
مشاهدهٔ جزئیاتپایش مدل؛ مشاهده پیوسته کیفیت، سرعت و توزیع داده‌های ورودی مدل در محیط واقعی تا افت عملکرد زودهنگام شناسایی شود.
مشاهدهٔ جزئیاتهوش مصنوعی بهینه‌شده؛ طراحی مدل و زیرساخت با وزن‌دهی به تأخیر، هزینه، توان مصرفی و دقت، نه فقط بالاترین امتیاز آزمون.
مشاهدهٔ جزئیاتمدل کوانتیزه‌شده؛ مدلی که دقت عددی پارامترهای آن کاهش داده شده تا حجم و مصرف حافظه کمتر و اجرای آن سریع‌تر شود.
مشاهدهٔ جزئیاتهزینه توکن؛ هزینه‌ای که بر اساس تعداد Tokenهای ورودی و خروجی یک مدل محاسبه می‌شود.
مشاهدهٔ جزئیات