امنیت و ایمنی هوش مصنوعی
DPO (Direct Preference Optimization)بهینه‌سازی مستقیم ترجیحات
بهینه‌سازی مستقیم ترجیحات؛ روشی برای تنظیم مدل بر اساس ترجیح انسان بین پاسخ‌های مختلف، بدون نیاز به ساخت یک مدل پاداش جداگانه.
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
۲۹ اصطلاحموضوع موردنظرت را انتخاب کن
نتایج فیلترشده · حرف Dحذف فیلترها
Fine-tuning و PEFT
Data Augmentationتقویت داده
تقویت داده؛ ایجاد نسخه‌های کمی تغییرکرده از داده‌های موجود برای افزایش حجم داده آموزشی. برای تصویر می‌توان کارهایی مثل چرخش یا تغییر جزئی انجام داد و برای برخی داده‌های دیگر نیز روش‌های مناسب افزایش داده وجود دارد.
مشاهدهٔ جزئیاتیادگیری ماشین
Data Cleaningتمیز کردن داده
تمیز کردن داده؛ حذف خطاها، مقادیر ناقص و تناقض‌ها از مجموعه‌داده. داده تمیزتر معمولا باعث می‌شود تحلیل‌ها و مدل‌های یادگیری ماشین قابل اعتمادتر شوند.
مشاهدهٔ جزئیاتامنیت و ایمنی هوش مصنوعی
Data Governanceحاکمیت داده
حاکمیت داده؛ قوانین و فرآیندها برای مدیریت مسئولانه داده‌ها در سازمان. حاکمیت داده درباره مالکیت، کیفیت، دسترسی، امنیت و نحوه استفاده از داده‌ها تصمیم‌گیری می‌کند.
مشاهدهٔ جزئیاتFine-tuning و PEFT
Data Labelingبرچسب‌گذاری داده
برچسب‌گذاری داده؛ اضافه کردن پاسخ صحیح (برچسب) به نمونه‌ها برای آموزش مدل. برچسب‌های باکیفیت اهمیت زیادی دارند، چون مدل در بسیاری از روش‌های نظارت‌شده مستقیما از همین پاسخ‌های صحیح یاد می‌گیرد.
مشاهدهٔ جزئیاتیادگیری ماشین
Data Miningکاوش داده
کاوش داده؛ کشف الگوها و روابط مفید در مجموعه‌داده‌های بزرگ. هدف آن پیدا کردن اطلاعاتی است که در حجم زیاد داده به‌سادگی با مشاهده دستی قابل تشخیص نیستند.
مشاهدهٔ جزئیاتMLOps و LLMOps
Data Pipelineخط لوله داده
خط لوله داده؛ زنجیره مراحل جمع‌آوری، پردازش و انتقال داده تا مدل. پایپ‌لاین می‌تواند از دریافت داده شروع شود و تا پاک‌سازی، تبدیل، ذخیره‌سازی و آماده‌سازی آن برای مدل ادامه پیدا کند.
مشاهدهٔ جزئیاتامنیت و ایمنی هوش مصنوعی
Data Privacyحریم خصوصی داده
حریم خصوصی داده؛ محافظت از اطلاعات شخصی هنگام استفاده از آن‌ها در سیستم‌های هوش مصنوعی. در پروژه‌های AI باید مشخص باشد چه داده‌ای جمع‌آوری می‌شود، چه کسی به آن دسترسی دارد و برای چه منظوری استفاده می‌شود.
مشاهدهٔ جزئیاتمبانی هوش مصنوعی
Data Scienceعلم داده
علم داده؛ حوزه‌ای که با تحلیل داده، آمار و مدل‌سازی برای استخراج بینش سروکار دارد. علم داده ترکیبی از آمار، برنامه‌نویسی، تحلیل و دانش حوزه کسب‌وکار برای حل مسئله با داده است.
مشاهدهٔ جزئیاتمبانی هوش مصنوعی
Data Sourceمنبع داده
منبع داده؛ جایی که داده از آن می‌آید، مثل پایگاه داده، API، فایل یا حسگر؛ منبع، مجوز و کیفیت آن باید پیش از استفاده مشخص باشد.
مشاهدهٔ جزئیاتمبانی هوش مصنوعی
Datasetمجموعه‌داده
مجموعه‌داده؛ مجموعه‌ای از نمونه‌ها که برای آموزش، اعتبارسنجی یا تست مدل استفاده می‌شود. کیفیت، اندازه و تنوع دیتاست مستقیما روی توانایی مدل برای یادگیری و تعمیم اثر می‌گذارد.
مشاهدهٔ جزئیاتیادگیری ماشین
Decision Boundaryمرز تصمیم
مرز تصمیم؛ خط یا سطحی که مدل برای جدا کردن کلاس‌های مختلف رسم می‌کند. نقاط دو طرف این مرز از دید مدل به کلاس‌های متفاوتی تعلق دارند.
مشاهدهٔ جزئیاتیادگیری ماشین
Decision Treeدرخت تصمیم
درخت تصمیم؛ مدل ساده‌ای که تصمیم‌ها را به صورت شاخه‌های درختی از پرسش‌ها نمایش می‌دهد. مزیت مهم درخت تصمیم این است که منطق تصمیم‌گیری آن در بسیاری از مسائل نسبتا قابل فهم و قابل توضیح است.
مشاهدهٔ جزئیاتیادگیری عمیق
Deep Learningیادگیری عمیق
یادگیری عمیق؛ زیرشاخه‌ای از یادگیری ماشین که از شبکه‌های عصبی چندلایه استفاده می‌کند. این روش در حوزه‌هایی مانند تصویر، صدا و زبان طبیعی به‌ویژه زمانی که داده زیادی وجود دارد، بسیار قدرتمند است.
مشاهدهٔ جزئیاتامنیت و ایمنی هوش مصنوعی
Deepfakeدیپ‌فیک
دیپ‌فیک؛ تصویر یا ویدیوی ساختگی بسیار واقعی که توسط هوش مصنوعی تولید یا دستکاری شده است. از این فناوری می‌توان برای تولید محتوای خلاقانه استفاده کرد، اما امکان سوءاستفاده و جعل هویت نیز وجود دارد.
مشاهدهٔ جزئیاتعاملهای هوش مصنوعی
Delegationسپردن کار
سپردن کار؛ واگذار کردن یک زیرکار به عامل تخصصی، سرویس یا انسان و دریافت نتیجه آن؛ الگوی رایج در سیستم‌های چندعاملی.
مشاهدهٔ جزئیاتریاضیات و آمار
Deltaدلتا
دلتا؛ مقدار تغییر میان دو وضعیت، برای نمونه اختلاف وزن‌ها میان دو مرحله آموزش یا تفاوت دو عدد.
مشاهدهٔ جزئیاتریاضیات و آمار
Density Estimationبرآورد چگالی
برآورد چگالی؛ تخمین شکل توزیع احتمالاتی داده‌ها. از آن می‌توان برای درک شکل توزیع داده، شناسایی نقاط غیرعادی یا مدل‌سازی احتمالات استفاده کرد.
مشاهدهٔ جزئیاتاستقرار مدل‌ها
Deploymentاستقرار
استقرار؛ 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 جزئیاتریاضیات و آمار
Descriptive Statisticsآمار توصیفی
آمار توصیفی؛ خلاصه‌کردن داده با شاخص‌هایی مانند میانگین، میانه، پراکندگی و نمودار، پیش از هر مدل‌سازی.
مشاهدهٔ جزئیاتزیرساخت هوش مصنوعی
Dielectricدی‌الکتریک
دی‌الکتریک؛ ماده‌ای نارسانا یا کم‌رسانا که می‌تواند میدان الکتریکی را نگه دارد؛ زمینه پژوهش سخت‌افزار سیلیکون‌فوتونیک در شتاب‌دهنده‌ها.
مشاهدهٔ جزئیاتهوش مصنوعی مولد
Diffusionانتشار
انتشار؛ خانواده‌ای از روش‌های مولد که با یادگیری تبدیل داده به نویز و برعکس، می‌توانند محتوای جدید تولید کنند.
مشاهدهٔ جزئیاتهوش مصنوعی مولد
Diffusion Modelمدل انتشار
مدل انتشار؛ مدل مولدی که با معکوس کردن فرآیند نویزی شدن، تصویر یا داده جدید تولید می‌کند. مدل‌های انتشار امروزی به‌ویژه در تولید و ویرایش تصویر و برخی انواع رسانه عملکرد قدرتمندی دارند.
مشاهدهٔ جزئیاتیادگیری ماشین
Dimensionality Reductionکاهش بعد
کاهش بعد؛ کاهش تعداد ویژگی‌ها برای ساده‌تر شدن مدل در عین حفظ اطلاعات مهم. کاهش بعد می‌تواند داده را برای تحلیل یا نمایش ساده‌تر کند و گاهی زمان و هزینه پردازش را نیز کاهش دهد.
مشاهدهٔ جزئیات