Реестровая запись: ЭЛ № ФС77-79395 от 02.11.2020 ISSN: 2782-1528 DOI 10.34660/c0727-6092-6372-a
Data Management Platform (DMP) — платформа управления данными. Программное обеспечение, которое позволяет собирать, обрабатывать и хранить любые типы аудиторных данных. [Технологии искусственного интеллекта. Глоссарий. Агентство
Параметры — числа, настройка которых определяет, как именно устроена зависимость. Например, в зависимости количества товара от спроса на него параметром является коэффициент пропорциональности между этими величинами.
Недообучение модели — называют обучение модели, которое ограничено потенциалом модели и/или обучающей выборки и/или самой процедурой обучения. Недообучение модели приводит к её плохому качеству как
Переобучение модели — называют обучение модели, при котором итоговая модель хорошо работает на обучающих данных, но плохо — на тестовых. В таких случаях говорят, что
Нейросеть — это один из видов моделей машинного обучения. Отличительной чертой нейросетей от других видов моделей является способность описывать самые разные зависимости, за счёт чего
Галлюцинациями в контексте ИИ — называют фактологические неверные ответы языковых моделей. Например, языковая модель может рассказать о несуществующем рассказе известного писателя, привести ложную статистику об
Метрика качества модели — инструмент для оценки производительности модели машинного обучения. Метрики качества модели позволяют измерить точность и качество работы модели на данных. [Оценка качества
ROC AUC — метрика качества модели для задач классификации, которая измеряет способность модели различать между классами. [Оценка качества моделей машинного обучения: выбор, интерпретация и применение
Mean Squared Error (MSE) — метрика качества модели для задач регрессии, которая измеряет среднеквадратическую ошибку между прогнозируемым и фактическими значениями. [Оценка качества моделей машинного обучения:
Root Mean Squared Error (RMSE) — метрика качества модели для задач регрессии, которая является корнем из среднеквадратической ошибки. [Оценка качества моделей машинного обучения: выбор, интерпретация