Constitutional AI
Constitutional AI, model davranışını insan geri bildiriminin yanı sıra açık ilke ve kurallar bütünüyle yönlendiren güvenlik yaklaşımıdır.
Yapay zekâ kavramlarını anlaşılır Türkçe açıklamalarla öğrenin.
167 terimConstitutional AI, model davranışını insan geri bildiriminin yanı sıra açık ilke ve kurallar bütünüyle yönlendiren güvenlik yaklaşımıdır.
Veri artırma, mevcut eğitim örneklerini kontrollü dönüşümlerle çoğaltarak modelin farklı koşullara genelleme yapma gücünü artırır.
Derin öğrenme, çok katmanlı sinir ağlarıyla karmaşık örüntüleri doğrudan veriden öğrenen makine öğrenmesi yaklaşımıdır.
Bir kişinin yüzünü, sesini ya da hareketlerini yapay zekâyla taklit ederek gerçekte yaşanmamış bir görüntü, video veya ses kaydı üretme yöntemidir.
Derin Sinir Ağları (DNN), girdi ve çıktı katmanları arasında ikiden fazla gizli katman barındıran ve verideki yüksek düzeyli soyut temsilleri öğrenebilen çok katmanl...
Destek Vektör Makineleri (SVM), farklı veri sınıflarını birbirinden ayıran ve iki sınıf arasındaki güvenlik aralığını (marjini) maksimize eden en ideal hiperdüzlemi ...
Tek bir kişinin veriden çıkarılmasını zorlaştırmak için ölçülü matematiksel gürültü kullanan gizlilik yöntemidir.
Diffusion model, gürültüden başlayarak adım adım anlamlı veri üretmeyi öğrenen üretken model ailesidir ve özellikle görsel üretimde kullanılır.
İnsan dilindeki niyet ve anlamı makinelerin işleyebileceği yapılara dönüştüren doğal dil işleme bileşenidir.
Veri ve model çıktılarını anlaşılır, bağlama uygun insan dili metinlerine dönüştüren teknolojidir.
İnsan tercihlerinden gelen cevap çiftleriyle modeli doğrudan hizalayan optimizasyon yöntemidir.
Doğrulama verisi, model eğitimi devam ederken aşırı öğrenmeyi (overfitting) tespit etmek, hiperparametreleri ayarlamak ve en iyi model versiyonunu seçmek için kullan...
Doğruluk, bir sınıflandırma veya tahmin modelinin yaptığı tüm doğru tahminlerin toplam tahmin sayısına oranını ifade eden en temel ve yaygın başarı metriğidir.
Doğrusal regresyon, bağımlı bir hedef değişken ile bir veya daha fazla bağımsız değişken arasındaki ilişkiyi düz bir çizgi veya hiperdüzlem ile modelleyen en temel i...
Dropout, model eğitimi sırasında her ileri yayılım adımında belirli bir olasılıkla rastgele seçilen nöronların geçici olarak devre dışı bırakılmasıyla aşırı öğrenmey...
Duygu analizi, doğal dil işleme tekniklerini kullanarak bir metinde ifade edilen duygusal tonu, tutumu ve kanaati (olumlu, olumsuz, nötr) otomatik olarak tespit eden...
Edge AI, yapay zekâ çıkarımını uzak bir bulut sunucusu yerine telefon, kamera, sensör veya gömülü cihaz üzerinde gerçekleştirmektir.
Eğitim verisi, bir makine öğrenmesi veya derin öğrenme modelinin parametrelerini güncellemek ve örüntüleri öğrenmesini sağlamak için kullanılan ana veri kümesidir.
Embedding, metin, görsel veya başka bir veriyi anlam ilişkilerini koruyan sayısal vektöre dönüştürme yöntemidir.
Epoch, eğitim veri setinin tamamının model tarafından bir kez işlenmesidir; epoch sayısı öğrenme miktarını etkileyen bir ayardır.
Erken durdurma, model eğitimi sırasında doğrulama hatasının düşmeyi bırakıp artmaya başladığı noktada eğitimi otomatik olarak sonlandırarak aşırı öğrenmeyi (overfitt...
Evrişimli Sinir Ağları (CNN), görsel verilerdeki mekânsal hiyerarşiyi, kenarları, dokuları ve nesne parçalarını filtreler (çekirdekler) yardımıyla otomatik olarak öğ...
F1 Skoru, Kesinlik (Precision) ve Duyarlılık (Recall) metriklerinin harmonik ortalamasını alarak sınıflandırma modellerinin performansını tek ve dengeli bir ölçütle ...
Ham veriyi merkezileştirmeden farklı cihaz veya kurumların model güncellemelerini birleştiren öğrenme yöntemidir.
Few-shot learning, modele birkaç doğru örnek göstererek yeni bir görevin biçimini ve beklentisini öğretme yaklaşımıdır.
Fine-tuning, önceden eğitilmiş bir modeli belirli bir görev, üslup veya alan verisiyle ek olarak eğiterek uzmanlaştırma işlemidir.
Modelin tanımlı fonksiyonlar için doğrulanabilir isim ve parametre üretmesini sağlayan API mekanizmasıdır.
Foundation model, geniş ve çeşitli verilerle önceden eğitilip çok sayıda göreve uyarlanabilen temel modeldir.
GAN, gerçekçi örnekler üretmeye çalışan üretici ile sahte örnekleri ayırt eden ayırıcının rekabet ederek öğrenmesine dayanır.
Geriye yayılım, yapay sinir ağlarında çıkıştaki hatayı hesaplayıp zincir kuralı yardımıyla çıkıştan girişe doğru katman katman ileterek ağırlıkların güncellenmesini ...