Информационные технологии /technologies information ТК 022

Кластеризация временных данных (Temporal data clustering) — разделение неразмеченного набора временных данных на группы или кластеры, где все последовательности, сгруппированные в одном кластере, должны быть согласованными или однородными.

Класс сложности NP (недетерминированное полиномиальное время) (NP) — в теории вычислительной сложности – это класс, используемый для классификации проблем принятия решений. NP – это множество проблем решения, для которых экземпляры

Класс меньшинства (Minority class) — это метка в несбалансированном по классам наборе данных. Например, учитывая набор данных, содержащий 99% ярлыков, не относящихся к спаму, и 1% ярлыков для спама, ярлыки для спама

Класс большинства (Majority class) — это метка в наборе данных с несбалансированным классом. Несбалансированные данные относятся к случаям, когда количество наблюдений в классе распределено неравномерно, и часто существует основной класс -класс большинства,

Технологии квантовые (Quantum technologies) ― это технологии создания вычислительных систем, основанные на новых принципах (квантовых эффектах), позволяющие радикально изменить способы передачи и обработки больших массивов данных. [Чесалов А. Ю. Глоссариум

Вычисления  квантовые (Quantum computing) — это использование квантово-механических явлений, таких как суперпозиция и запутанность, для выполнения вычислений. Квантовый компьютер используется для выполнения таких вычислений, которые могут быть

Группирование квантильное (Quantile bucketing) — это распределение значений объекта по сегментам таким образом, чтобы каждый сегмент содержал одинаковое (или почти одинаковое) количество примеров. [Чесалов А. Ю. Глоссариум по искусственному интеллекту: 2500 терминов/ 

Данные категориальные (Categorical data) — это данные, качественно характеризующие исследуемый процесс или объект, не имеющие количественного выражения. В них каждая единица наблюдения назначается определенной группе или номинальной категории

Слой калибровочный (Calibration layer) — это корректировка после прогнозирования, обычно для учета смещения прогноза. Скорректированные прогнозы и вероятности должны соответствовать распределению наблюдаемого набора меток. [Чесалов А. Ю. Глоссариум по искусственному интеллекту: