Пояснения

Большие генеративные модели (Generative models)— модели искусственного интеллекта, способные интерпретировать (предоставлять информацию на основании запросов, например об объектах на изображении или о проанализированном тексте) и создавать

Большие фундаментальные модели (Foundation models) — модели искусственного интеллекта, являющиеся основой для создания и доработки различных видов программного обеспечения, обученные распознаванию определенных видов закономерностей, содержащие не

Метод машинного обучения (Machine Learning Methods) – это конкретный метод тренировки алгоритма машинного обучения, зависящий от наличия или отсутствия разметки данных. [Термины и определения в сфере

Алгоритмы машинного обучения (Machine Learning Algorithms) —математические методы моделирования, используемые для изучения или выявления внутренних закономерностей и правил, заложенных в данных. [Термины и определения в сфере

Машинное обучение классическое (Classic Machine Learning, Classic ML), основанное на «неглубоких» алгоритмах и методах математической статистики. [Термины и определения в сфере применения технологий…(Электронный ресурс). Режим

Признаки входные для модели (input data) — это данные, которые подаются на вход упакованной модели. Входные признаки для модели могут состоят из входных признаков для

Машинное обучение как научное направление – подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться. Для построения таких методов используются средства математической статистики, численных методов,

Обучение как этап процесса разработки ИИС – состоит в определении параметров выбранной модели, связывающей входные данные с выходными значениями, и обеспечивающих минимум / максимум заданного

Стекинг – используется несколько разнородных слабых учеников. Их обучают и объединяют для построения прогноза, основанного на результатах различных слабых моделей. [Ансамблевые методы машинного обучения. (Электронный

Бэггинг – однородные модели обучают на разных наборах данных и объединяют. Получают прогноз путём усреднения или голосования. Если использовать в качестве слабого ученика деревья решений,