Statystyka. Proces gromadzenia, klasyfikowania i analizowania danych. W analityce i współczesnym uczeniu maszynowym wykorzystuje się wiele technik statystycznych. Na przykład obliczenie „średniej” liczby pacjentów przybywających do… Czytaj dalej »Statistics
Dane strukturalne. Informacje o dobrej strukturze, takie jak arkusz kalkulacyjny z informacjami. Oznacza to, że istnieją zdefiniowane kolumny i można spodziewać się, że dodatkowe dane będą… Czytaj dalej »Structured data
Ustrukturyzowany język zapytań. Język programowania używany do odpytywania (wyszukiwania) informacji przechowywanych w relacyjnych bazach danych.
Nadzorowane uczenie maszynowe. Rodzaj uczenia maszynowego, w którym znasz wynik danych, które chcesz modelować. Obejmuje to techniki regresji i klasyfikacji.
Dane syntetyczne. Dane odzwierciedlające rozkład i cechy danych rzeczywistych, ale niebędące danymi rzeczywistymi i nie mogące służyć do identyfikacji osoby fizycznej. Dobrej jakości dane syntetyczne… Czytaj dalej »Synthetic Data
Poziom gotowości technologicznej. Struktura opracowana przez NASA w celu opisania różnych poziomów dojrzałości technologii. Na przykład dowód koncepcji może znajdować się na poziomie TRL 4. Poziomy TRL… Czytaj dalej »Technology readiness level (TRL)
Dane testowe. Dane, które nie są uwzględnione w danych szkoleniowych i wykorzystywane do testowania, czy model dokładnie zidentyfikował wzorce w danych, które skutkują pożądanym zachowaniem.
Szkolenie. Większość typów sztucznej inteligencji wymaga procesu szkoleniowego, w ramach którego wykorzystuje się dane historyczne do zbudowania modelu umożliwiającego przewidywanie przyszłych przypadków.
Dane treningowe. Dane wymagane do uczenia lub „nauczania” algorytmu uczenia maszynowego podczas opracowywania modelu. Dobrej jakości dane szkoleniowe, które odzwierciedlają populację, są bezstronne i wystarczająco… Czytaj dalej »Training data
Transformator. Podejście do głębokiego uczenia się, które wykorzystuje mechanizm „uwagi” do zrozumienia kontekstu danych tekstowych lub obrazowych, bez konieczności przetwarzania danych w określonej kolejności.
Prawdziwy negatyw. Prawidłowe przewidywanie punktu danych lub osoby, która nie ma określonego wyniku lub klasy.
Prawdziwy pozytyw. Prawidłowe przewidywanie punktu danych lub osoby mającej określony wynik lub klasę.
Zaufane środowisko badawcze. Bezpieczne środowisko komputerowe umożliwiające zatwierdzonym badaczom zdalny dostęp do danych. Znany również jako bezpieczne środowisko danych (SDE) lub bezpieczna przystań danych.
Niedopasowanie. Proces budowania modelu, który nie jest wystarczająco oparty na danych. W efekcie otrzymujemy model, który działa słabo i nie potrafi uchwycić relacji, których szukasz.
Dane nieustrukturyzowane. (Unstructured data) Informacje, które mogą mieć pewną strukturę (np. nazwę lub kilka prostych atrybutów lub metadanych), ale z definicji mogą zawierać zakres informacji.… Czytaj dalej »Dane nieustrukturyzowane
Uczenie maszynowe bez nadzoru. (Unsupervised machine learning) Rodzaj uczenia maszynowego, w którym nie znasz wyniku ani definicji swoich danych i szukasz wzorców. Obejmuje to techniki grupowania,… Czytaj dalej »Uczenie maszynowe bez nadzoru
Dane walidacyjne Dane, które nie są zawarte w danych szkoleniowych, ale służą do sprawdzania wydajności modelu podczas jego uczenia. Jest to niezależne od danych testowych używanych… Czytaj dalej »Validation data
