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 جزئیاتتشخیص الگو؛ شناسایی نظم‌ها و ساختارهای تکراری در داده مثل تشخیص چهره. تشخیص الگو در حوزه‌هایی مانند تشخیص چهره، تشخیص دست‌خط، تحلیل صدا و کشف تقلب استفاده می‌شود.
مشاهدهٔ جزئیاتپرسپترون؛ ساده‌ترین نوع شبکه عصبی با یک لایه. پرسپترون می‌تواند یک تصمیم دودویی ساده بگیرد و یکی از پایه‌های تاریخی شبکه‌های عصبی مدرن محسوب می‌شود.
مشاهدهٔ جزئیاتشاخص عملکرد؛ عددی که کیفیت یا سرعت یک سیستم را می‌سنجد؛ انتخاب شاخص نامناسب می‌تواند مدل را به سمت رفتار نادرست سوق دهد.
مشاهدهٔ جزئیاتبرنامهریزی؛ مشخص کردن مراحل و اقدامات لازم برای رسیدن یک سیستم هوشمند به هدف.
مشاهدهٔ جزئیاتچرخه سیاست‌گذاری؛ مرحله‌های تعریف مسئله، تدوین قاعده، اجرا، پایش اثر و اصلاح آن برای فناوری‌های نو مانند هوش مصنوعی.
مشاهدهٔ جزئیاتسبد سرمایه‌گذاری؛ مجموعه دارایی‌ها با وزن‌های مشخص؛ در کاربردهای AI، مدل ممکن است وزن‌ها را پیشنهاد دهد اما ریسک و مسئولیت تصمیم با کاربر است.
مشاهدهٔ جزئیاتپسآموزش؛ مجموعه روش‌هایی که بعد از آموزش اولیه برای بهتر کردن رفتار، توانایی یا هماهنگی مدل انجام می‌شوند.
مشاهدهٔ جزئیاتدقت؛ نسبت پیش‌بینی‌های مثبت درست به تمام پیش‌بینی‌های مثبت. Precision زمانی مهم است که مثبت کاذب هزینه زیادی داشته باشد؛ مثلا وقتی نمی‌خواهیم موارد سالم را اشتباه علامت‌گذاری کنیم.
مشاهدهٔ جزئیاتتحلیل پیش‌بینی‌کننده؛ استفاده از داده و مدل‌ها برای پیش‌بینی آینده مثل فروش یا رفتار مشتری. کسب‌وکارها می‌توانند از آن برای پیش‌بینی فروش، تقاضا، ریسک، ریزش مشتری یا خرابی تجهیزات استفاده کنند.
مشاهدهٔ جزئیاتپیشپردازش؛ مجموعه گام‌های آماده‌سازی داده پیش از آموزش یا پیش‌بینی، مانند پاک‌سازی، تبدیل و مقیاس‌بندی؛ باید در آموزش و سرویس‌دهی یکسان باشد.
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 جزئیاتدستور؛ متن یا ورودی‌ای که به مدل داده می‌شود تا پاسخ یا خروجی تولید کند. یک Prompt خوب معمولا هدف، زمینه، محدودیت‌ها و شکل خروجی مورد انتظار را تا حد کافی مشخص می‌کند.
مشاهدهٔ جزئیاتمهندسی دستور؛ هنر طراحی دستورهای مؤثر برای گرفتن بهترین پاسخ از مدل. با طراحی بهتر Prompt می‌توان پاسخ‌های دقیق‌تر، ساختاریافته‌تر و متناسب‌تر با هدف گرفت، بدون اینکه الزاما مدل را دوباره آموزش داد.
مشاهدهٔ جزئیاتتزریق دستور؛ حمله یا ورودی مخربی که تلاش می‌کند دستورهای اصلی یک سیستم AI را دور بزند یا مدل را وادار به انجام کاری ناخواسته کند.
مشاهدهٔ جزئیاتقالب دستور؛ الگوی از پیش طراحی‌شده‌ای برای ساخت Promptهای مشابه که بخش‌هایی از آن می‌تواند با اطلاعات جدید پر شود.
مشاهدهٔ جزئیاتهرس مدل؛ حذف بخش‌هایی از پارامترها یا اتصالات مدل که اهمیت کمتری دارند برای کاهش حجم و هزینه محاسبات.
مشاهدهٔ جزئیات