ارزیابی مدل‌ها
False Negativeمنفی کاذب
منفی کاذب؛ زمانی که مدل به‌اشتباه یک مورد مثبت را منفی تشخیص می‌دهد. مثلا اگر یک تراکنش واقعا تقلبی باشد اما سیستم آن را سالم اعلام کند، این یک False Negative است.
مشاهدهٔ جزئیاتدانشنامهٔ Noventix
واژه‌نامهٔ هوش مصنوعی
مفاهیم و اصطلاحات هوش مصنوعی را عمیق‌تر بشناس.
۳۴۵ اصطلاح آموزشی۲۵ حوزهٔ موضوعیرایگان برای همه
مرور سریع
از الفبا شروع کن
دسته‌بندی‌ها
۱۳ اصطلاحموضوع موردنظرت را انتخاب کن
نتایج فیلترشده · حرف Fحذف فیلترها
ارزیابی مدل‌ها
False Positiveمثبت کاذب
مثبت کاذب؛ زمانی که مدل به‌اشتباه یک مورد منفی را مثبت تشخیص می‌دهد. مثلا اگر سیستم یک تراکنش سالم را تقلبی تشخیص دهد، با یک False Positive روبه‌رو هستیم.
مشاهدهٔ جزئیاتیادگیری ماشین
Featureویژگی
ویژگی؛ یک خاصیت یا ستون از داده که مدل از آن برای یادگیری استفاده می‌کند. مثلا سن مشتری، مبلغ خرید یا تعداد ورودهای کاربر می‌تواند یک Feature برای مدل باشد.
مشاهدهٔ جزئیاتیادگیری ماشین
Feature Engineeringمهندسی ویژگی
مهندسی ویژگی؛ ساخت یا انتخاب ویژگی‌های بهتر برای بهبود عملکرد مدل. ویژگی‌های مناسب می‌توانند اطلاعات مفیدتری در اختیار مدل قرار دهند و در برخی مسائل حتی از انتخاب مدل مهم‌تر باشند.
مشاهدهٔ جزئیاتاستقرار مدل‌ها
Feature Storeمخزن ویژگی
مخزن 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 جزئیاتFine-tuning و PEFT
Federated Learningیادگیری فدره
یادگیری فدره؛ آموزش مدل روی چند دستگاه بدون جمع کردن همه داده‌ها در یک جا، برای حفظ حریم خصوصی. داده خام روی دستگاه‌ها باقی می‌ماند و معمولا فقط اطلاعات لازم برای به‌روزرسانی مدل بین آن‌ها ردوبدل می‌شود.
مشاهدهٔ جزئیاتFine-tuning و PEFT
Few-Shot Learningیادگیری کم‌نمونه
یادگیری کم‌نمونه؛ توانایی مدل برای یادگیری از تعداد کمی مثال. در این روش چند نمونه در اختیار مدل قرار می‌گیرد تا بدون آموزش کامل دوباره، الگوی موردنظر را بهتر درک کند.
مشاهدهٔ جزئیاتمهندسی پرامپت
Few-shot Promptingپرامپت‌دهی چندنمونه‌ای
پرامپت‌دهی چندنمونه‌ای؛ قرار دادن چند مثال در Prompt برای نشان دادن الگوی پاسخ مورد انتظار به مدل.
مشاهدهٔ جزئیاتFine-tuning و PEFT
Fine-Tuning Dataداده تنظیم دقیق
داده تنظیم دقیق؛ نمونه‌های جفت ورودی و پاسخ مطلوب که برای تخصصی‌کردن مدل پس از آموزش عمومی استفاده می‌شود.
مشاهدهٔ جزئیاتFine-tuning و PEFT
Fine-tuningتنظیم دقیق
تنظیم دقیق؛ آموزش بیشتر یک مدل از پیش آموزش‌دیده روی داده‌های خاص. Fine-tuning زمانی مفید است که بخواهیم یک مدل عمومی را برای سبک، وظیفه یا حوزه مشخصی تخصصی‌تر کنیم.
مشاهدهٔ جزئیاتمبانی هوش مصنوعی
Forward Chainingزنجیره‌سازی رو به جلو
زنجیره‌سازی رو به جلو؛ استدلال از داده‌های موجود به سمت نتیجه؛ سیستم قواعد را روی واقعیت‌های معلوم اعمال می‌کند تا نتیجه‌های تازه به دست آید.
مشاهدهٔ جزئیاتمدلهای زبانی بزرگ
Foundation Modelمدل پایه
مدل پایه؛ مدل بزرگی که روی داده‌های گسترده آموزش دیده و می‌توان از آن به‌عنوان پایه برای ساخت یا تخصصی‌سازی برنامه‌های مختلف هوش مصنوعی استفاده کرد.
مشاهدهٔ جزئیاتعاملهای هوش مصنوعی
Function Callingفراخوانی تابع
فراخوانی تابع؛ روشی که مدل در آن مشخص می‌کند کدام تابع برنامه باید با چه ورودی‌هایی اجرا شود تا کاری خارج از توان مستقیم مدل انجام شود.
مشاهدهٔ جزئیات