در حال آمادهسازی...
مفاهیم و اصطلاحات هوش مصنوعی را عمیق‌تر بشناس.
تنظیم دقیق کم‌پارامتر؛ خانواده‌ای از روش‌ها که با آموزش بخش کوچکی از پارامترها، مدل بزرگ را برای وظیفه جدید تنظیم می‌کنند و هزینه حافظه را پایین نگه می‌دارند.
مشاهدهٔ جزئیاتپارامتر؛ متغیرهای داخلی مدل مثل وزن‌ها که در طول آموزش یاد گرفته می‌شوند. پارامترها در فرآیند آموزش از داده یاد گرفته می‌شوند و تعداد زیاد آن‌ها معمولا به ظرفیت بیشتر مدل مربوط است.
مشاهدهٔ جزئیاتپسآموزش؛ مجموعه روش‌هایی که بعد از آموزش اولیه برای بهتر کردن رفتار، توانایی یا هماهنگی مدل انجام می‌شوند.
مشاهدهٔ جزئیاتمدل از پیش‌آموزش‌دیده؛ مدلی که قبلا روی حجم بزرگی از داده آموزش دیده و می‌توان آن را مستقیما استفاده یا برای کار دیگری تنظیم کرد.
مشاهدهٔ جزئیاتپیشآموزش؛ مرحله‌ای که مدل ابتدا روی حجم بزرگی از داده برای یادگیری الگوهای عمومی آموزش می‌بیند.
مشاهدهٔ جزئیاتهرس مدل؛ حذف بخش‌هایی از پارامترها یا اتصالات مدل که اهمیت کمتری دارند برای کاهش حجم و هزینه محاسبات.
مشاهدهٔ جزئیاتکیولورا؛ روشی برای تنظیم دقیق مدل‌های بزرگ که از Quantization و LoRA برای کاهش مصرف حافظه استفاده می‌کند.
مشاهدهٔ جزئیاتکوانتیزهکردن؛ کاهش دقت اعداد در مدل برای کوچک‌تر و سریع‌تر شدن آن. کوانتیزه‌سازی می‌تواند حجم مدل و مصرف حافظه را کاهش دهد و اجرای آن را روی سخت‌افزار محدود آسان‌تر کند، هرچند ممکن است کمی از دقت کم شود.
مشاهدهٔ جزئیاتتنظیم دقیق نظارت‌شده؛ آموزش یک مدل با نمونه‌هایی که برای هر ورودی، پاسخ مطلوب از قبل مشخص شده است.
مشاهدهٔ جزئیاتداده مصنوعی؛ داده‌های تولیدشده توسط هوش مصنوعی برای آموزش مدل‌ها. داده مصنوعی می‌تواند زمانی مفید باشد که داده واقعی کم، گران یا حساس باشد، اما کیفیت و شباهت آن به کاربرد واقعی باید ارزیابی شود.
مشاهدهٔ جزئیاتداده آموزشی؛ داده‌هایی که مدل در مرحله یادگیری از آن‌ها استفاده می‌کند. تنوع و کیفیت داده آموزشی نقش مهمی در توانایی مدل برای تعمیم به نمونه‌هایی دارد که قبلا ندیده است.
مشاهدهٔ جزئیاتیادگیری انتقالی؛ استفاده از دانش یک مدل آموزش‌دیده برای حل مسئله‌ای جدید. به جای شروع آموزش از صفر، مدل از دانش قبلی خود استفاده می‌کند و برای مسئله جدید تنظیم می‌شود.
مشاهدهٔ جزئیاتیادگیری بدون نمونه؛ توانایی مدل برای انجام کاری که برای آن هیچ مثال آموزشی مستقیم ندیده است. مدل می‌تواند بر اساس دانش عمومی یا دستورالعمل خود، وظیفه‌ای را بدون مشاهده نمونه مستقیم همان وظیفه انجام دهد.
مشاهدهٔ جزئیات