LU materiāli un termini: https://drive.google.com/drive/folders/1GF1NPlxbELqw1WHhg3SXs8XL1AgpDdRl
metric - rādītājs
emerging capabilities - jaunās iespējas - emerģentās prasmes
finetunning - pielāgošana
prompt - vaicājums
token - talons
fine-tune(-ing) => pārneses mācīšanās (transfer learning) robustness => noturība zero-shot => nulles šāviens
statistical significance - statistisko nozīmību rezultātiem
variance - dispersija
spectrogram => Spektrogramma
waveform => Viļņforma
contrastive loss => Kontrasta kļūda funkcija
agumentation => augmentācija
attention-based encoder-decoder => Uzmanībā balstīts iekodētājs - dekodētājs
Endpointer Latency => Beigu aizture
computational cost => Skaitļošanas izmaksas
end-to-end => no viena līdz otram galam
worker => darba vienība
sequence-to-sequence neural speech recognition => secība-uz-secību
neironos balstīts runas atpazinējs
feature extractor - īpašību izguvējs
multi-task => multi-uzdevumi
transfer learning - pārneses mācīšanās
speech recognition => runas atpazīšanā
k-means => K-tuvāko kaimiņu metode
Gaussian scale mixture - Gausa mēroga jauktais modelis sampling - izlase / izlases veidošana
posterior predictive sampling - izlases veidošana no novērtēta sadalījuma
variational distribution - dispersijas sadalījums
forecast, prediction => prognoze
approximation => tuvinājums
Label => marķējums
gradient - gradients
approximation - tuvinājums/ tuvināšana
uncertainty - nenoteiktība
probability - varbūtība
label - marķējums
prior distribution - sākotnējais varbūtības sadalījums
posterior distribution - gala varbūtības sadalījums
inference - inference
label noise injection - trokšņa pievienšana marķējumu
Bayes => Beiess, Beisa
key-point => atslēgas punkti
cloud service => mākoņa serviss
Time-Frequency Domain => Laika-Frekvences Sadalījums
image classification domain => attēlu klasifikacijas problēmsfēra
loss function => kļūdas funkcija, zuduma funkcija
hinge loss => eņģes kļūdas funkcija, eņģes zuduma funkcija
machine learning => mašīnmācīšanās, mašīnapmācība
forward pass => priekšizplatīšanās
IoU => Jacquard Index => Jakarda indekss
prompt => vaicājums
time series => Laika rinda
training => apmācība
sigmoid => sigmoīda
epoch - epoha
batch => partija
Cross-entropy - šēķērsentropija
Generalization - vispārinājums
Source Code - pirmkods
outliners - izlecošās vērtības
Full-stack developer - pilnas paketes izstrādājs
Backend developer - aizmugursistēmas izstrādātājs
Frontend developer - lietotāju saskarnes izstrādājs
User interface - lietotāju saskarne
Framework - Satvars
Application - Lietotne
Embeddings - Iegultnes, latentie vektori
Vector embeddings - jēdzienvektors
Embedding space - jēdzientelpa
Training - Apmācība
Batch - Partija
Design pattern - programmēšanas šabloni
Fully Connected Layer - Pilnsaistes slānis
Feature - iezīme
Feature map - Iezīmju karte
Kernel function - Kodola funkcija
Instance segmentation models - instanču segmentācijas modeļi
Semantic segmentation models - semantiskās segmentācijas modeļi
Overfitting - Pārapmācīšanās
Dropout function - caurkrites funkcija
Design patterns - PROGRAMMATŪRAS IZSTRĀDES ŠABLONI
API (Application Programming Interface) – Lietojumprogrammas saskarne
LLM (Large Language Model) - Lielais valodas modelis
Transformer - Transformeris
Sentiment analysis - Noskaņojuma analīze
Sequence - laika rinda
Open-source - atvērtā koda (atvērtās datu kopas)
Code - Pirmkods
Node -> Mezgls
Topic -> Tēma
Message -> Ziņa
Nedrīkst lietot vārdus labs - tā vietā izdevīgs, efektīvs utt
Nedrīkst lietot vārdus labāks utt, tā vietā nozīmīgs rezultāts
Nedrīkst rakstīt pirmajā vai kādā citā personā, nevis “Mēs noskaidrojām”, bet “tika noskaidrots”
Darbos nedrīkst lietot vārdus:
Mēs, We, Our, Us - Jāraksta 3ajā personā
Try, mēģinājām, varbūt, perhaps
mazliet, varbūt, varētu
nosacīti, nelielu
ļoti liela -> nozīmīga
“bieži vien pat pārspējot svarīgumā” => “nereti pārspējot”
“Protams, tas ir pieņemot”
utilizējot => izmantojot
relatīvi vienkārši