https://overleaf.writefull.com/palette.html
LU materiāli un termini: https://drive.google.com/drive/folders/1GF1NPlxbELqw1WHhg3SXs8XL1AgpDdRl
precision - precizitāte
recall - atsaukums
soft margin - izplūdusī robeža
hard margin - noteiktā robeža
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
Mākslīgais intelekts
Mākslīgais intelekts (MI) ir zinātnes joma, kas pēta digitālo tehnoloģiju izmantošanu, lai radītu sistēmas, kas spēj veikt uzdevumus, par kuriem parasti tiek uzskatīts, ka to paveikšanai nepieciešams cilvēka intelekts.
Algoritms
Algoritms ir veicamo darbību priekšraksts kāda noteikta rezultāta sasniegšanai vai uzdevuma risināšanai. Algoritmu veido pēc stingriem noteikumiem veicamu darbību virkne, kuras izpildot iegūst vajadzīgo rezultātu. Algoritms netiek apmācīts, bet modelis var būt tā sastāvdaļa.
Modelis
Matemātisks risinājums jeb problēmsituācijas modelēšana izmantojot matemātiskus paņēmienus. Modelis var būt daļa no algoritma. Modeli apmāca, balstoties uz datiem vai arī to var sastādīt, izmantojot esošas matemātikas, fizikas vai citu dabaszinātņu teorijas. Modelis parasti nesatur programmēšanas likumus.
Mākslīgie Neironu tīkli
Mākslīgie Neironu tīkli ir matemātiskā modeļa paveids, kura darbības principā ir lineārās transformācijas un nelineāras funkcijas, kuras var modelēt sarežītus nelineārus datus un sakarības.
Ģeneratīvais mākslīgais intelekts
Satura ģenerēšanas tehnoloģija, kas izmanto mākslīgo intelektu, lai radītu tekstu, video, datora pirmkodu attēlus, skaņas, mūziku vai jebkādus citus materiālus, kuru veidošanai parasti tiek uzskatīts, ka nepieciešamas cilvēka radošās spējas. Kā ievades dati var būt citu mākslinieku darbi, teksta vaicājumi, skices vai arī var radīt jaunu saturu arī nejauši.
Mašīnmācīšanās
Mākslīgā intelekta metode, kur modeļi tiek veidoti tā, ka tie tiek apmācīti, izmantojot datus.
Dziļā mašīnmācīšanās
Mašīnmācīšanās paveids, kurā tiek pieņemts, ka palielinot apmācāmo parametru skaitu un modeļa izmēru ar tiem pašiem datiem var iegūt precīzāku rezultātu. Parasti šādi modeļi ir mākslīgie neironu tīkli ar tūkstošiem slāņu.
Mākslīgā intelekta rīki
Datorprogrammas, kas spēj veikt uzdevumus, kas parasti prasītu cilvēka intelektu.
Lielie valodu modeļi
Neironu tīklu paveids, kas izmanto lielu apjomu nestrukturētu valodas datu un dziļo mašīnmācīšanos, lai modelētu cilvēka dabīgo valodu. Nereti ar šo terminu tiek aprakstītas arī čatam pielāgoti valodas modeļi, bet tie ir atšķirīgi ar to, ka pēc valodas modeļa apmācības, tiem piemāca klāt arī čatam līdzīgu uzvedību.
MI rīku halucinācijas
MI halucinācijas ir nepareizi vai maldinoši rezultāti, kurus sniedz MI ģenerēšanas rīki. Šīs kļūdas izraisa nepareizs valodas modeļu pielietojums. Valodas modeļi nav paredzēti precīzu darbību veikšanai, bet tikai ticamu nākamo vārdu prognozei. Valodas modeļus var pielāgot specifisku uzdevumu veikšanai izmantojot apmācību.
Dziļviltojums
Dziļviltojums ir digitālu attēlu vai video manipulāciju tehnoloģija, kas izmanto MI un mašīnmācīšanos, īpaši dziļo mācīšanos, lai radītu pārliecinošus, bet viltotus vizuālos un audio materiālus un citus biometrisko datu viltojumus.
Vaicājums
Vaicājums (prompt) ir lietotāja mijiedarbība ar MI rīkiem, visbiežāk jautājuma, teksta vai piemēra veidā un aicina valodā balstītu sistēmu veikt konkrētu darbību. Vaicājumiem jābūt strukturizētiem un jāsatur ļoti daudz informāciju no kuras modelim ģenerēt atbildi, lai iegūtu kvalitatīvu rezultātu.