Обнаружение аномалий
Обнаружение аномалий — подобласть ИИ, машинного обучения и анализа данных, которая направлена на выявление отклонений или выбросов в заданном наборе данных. Обнаружение аномалий применимо в
Обнаружение аномалий — подобласть ИИ, машинного обучения и анализа данных, которая направлена на выявление отклонений или выбросов в заданном наборе данных. Обнаружение аномалий применимо в
Обучение ИИ — процесс обучения одной или нескольких моделей ИИ. В процессе обучения модели ИИ со временем «учатся», просматривая все больше и больше входных данных.
Платформа искусственного интеллекта — программная библиотека или платформа для создания, развертывания и управления приложениями, использующими искусственный интеллект. Платформы ИИ менее статичны и более обширны, чем
Модель ИИ — результат обучения алгоритма ИИ с учетом входных данных и настроек (известных как «гиперпараметры»). Модель ИИ — это очищенное представление, которое пытается инкапсулировать
Компьютер с ИИ — любой компьютер, который может выполнять вычисления для искусственного интеллекта и машинного обучения, т. е. выполнять обучение ИИ или запускать модели. Благодаря
AI API — интерфейс прикладного программирования (API), позволяющий пользователям получать доступ к инструментам и функциям искусственного интеллекта. Предлагая сторонние услуги искусственного интеллекта, AI API избавляют
Meta-Prompting (метапромптинг) – продвинутый приём, фокусирующийся не на конкретном контенте, а на структуре и синтаксисе задачи. Здесь в запросе задаются абстрактные шаблоны или правила («подумай шаг
Sim2Real Transfer (сим-ту-реал) – технология переноса поведения агентов, обученных или протестированных в симуляции, в реальную среду. Для этого применяют методы адаптации, чтобы учесть разницу физики, шума
Self-Organizing Agents – агенты, способные самостоятельно формировать структуру взаимодействия без внешнего контроля. Например, роевые роботы, которые сами распределяют роли по сигналам окружения. [Искусственный интеллект.Терминология IT. The
FlashAttention – высокоэффективный алгоритм точного вычисления внимания, разработанный для GPU. Он использует оптимизированные тильнинговые операции, чтобы сократить число обращений к памяти и ускорить вычисления. Благодаря FlashAttention