odpovědnost

Očekávání, že organizace nebo jednotlivci zajistí řádné fungování systémů AI, které navrhují, vyvíjejí, fungují nebo nasazují v souladu se svými rolemi a platnými regulačními rámci, zajistí řádné fungování systémů AI, které navrhují, vyvíjejí, fungují nebo nasazují. To zahrnuje určení toho, kdo je odpovědný za umělou chybu, která může vyžadovat, aby právní odborníci určily odpovědnost za případ od případu.

aktivní učení

Model pro výuku počítače, ve kterém systém vyžaduje více dat se jmenovkou pouze v případě, že je potřebuje.

aktivní metadata

Metadata, která se automaticky aktualizují na základě analýzy počítačově vzdělávacími procesy. Profilování a analýza kvality dat například automaticky aktualizuje metadata pro datová aktiva.

aktivní běhová komponenta

Instance prostředí, které je spuštěné pro poskytnutí výpočetních prostředků pro analytická aktiva.

Umělá inteligence

Viz umělá inteligence.

AI etika

Víceoborové pole, které studuje, jak optimalizovat příznivý dopad influenzy ptáků při současném snížení rizik a nepříznivých výsledků. Příklady etických otázek AI jsou otázky odpovědnosti a soukromí, spravedlnosti, vysvětlitelnosti, robustnosti, transparentnosti, udržitelnosti životního prostředí, začlenění, mravní agentury, sladění hodnoty, odpovědnosti, důvěry a zneužívání technologií.

Řízení AI

Rozhodování organizace, prostřednictvím svých podnikových pokynů, pracovníků, procesů a systémů pro přímé, vyhodnocení, monitorování a provedení nápravných opatření po celou dobu životního cyklu influenzy ptáků za účelem zajištění toho, že systém AI funguje tak, jak to organizace zamýšlí, jak to očekávají od zúčastněných stran, a jak to vyžaduje příslušné nařízení.

Bezpečnost influenzy ptáků

Oblast výzkumu zaměřená na zajištění toho, aby systémy umělé inteligence fungovaly způsobem, který je prospěšný pro lidstvo a neúmyslně nezpůsobuje škody, řeší otázky jako spolehlivost, spravedlnost, transparentnost a sladění systémů AI s lidskými hodnotami.

Systém AI

Viz termín systém umělé inteligence.

algoritmus

Vzorec použitý na data k určení optimálních způsobů řešení analytických problémů.

analýza

Věda o studiu dat za účelem nalezení smysluplných vzorců v datech a vyvozování závěrů založených na těchto vzorech.

umělá inteligence (AI)

Emulace přírodní inteligence strojem.

systém umělé inteligence (AI system)

Systém, který může vytvářet předpovědi, doporučení nebo rozhodnutí ovlivňující fyzická nebo virtuální prostředí a jejichž výstupy nebo chování nejsou nezbytně předurčeny jeho vývojářem nebo uživatelem. Systémy AI jsou obvykle školeny s velkými objemy strukturovaných nebo nestrukturovaných dat a mohou být navrženy tak, aby pracovaly s různými úrovněmi autonomie nebo žádné, aby bylo dosaženo cílů definovaných člověkem.

Aktivum

Položka v projektu nebo katalogu, která obsahuje metadata o datech nebo analýze dat.

Experiment AutoAI

Automatizovaný tréninkový proces, který považuje sérii definic školení a parametrů za účelem vytvoření sady hodnocených produktovodů jako vzorových kandidátů.

dávková implementace

Metoda pro implementaci modelů, které zpracovává vstupní data ze souboru, datového připojení nebo připojených dat v sektoru úložiště, pak zapíše výstup do vybraného cíle.

předpojatost

Systematická chyba v systému AI, který byl navržen, úmyslně či nikoli, způsobem, který může generovat nekalé rozhodnutí. Bias může být přítomen jak v systému AI, tak v datech použitých pro vlak a testovat. Přednost influenzy ptáků se může v systému AI objevit jako výsledek kulturních očekávání, technických omezení nebo neočekávaných kontextů implementace. Viz také termín spravedlnost.

detekce zkreslení

Proces výpočtu spravedlivosti vůči metrikám na zjištění, kdy modely AI dodávají nespravedlivé výsledky na základě určitých atributů.

binární klasifikace

Klasifikační model se dvěma třídami. Predikce jsou binární volbou jedné ze dvou tříd.

Obchodní podmínka

Slovo nebo slovní spojení, které definuje obchodní koncepci standardním způsobem pro podnik. Podmínky lze použít k obohacení metadat datových aktiv a k definování kritérií pro pravidla ochrany dat.

obchodní slovníček

Sada artefaktů řízení, např. obchodní termíny a datové třídy, které popisují a obohacují datová aktiva.

katalog

Úložiště aktiv pro sdílení organizace. Aktiva v katalozích se mohou řídit pravidly pro ochranu dat a obohaceny o další artefakty regulace, jako jsou klasifikace, třídy dat a obchodní výrazy. Katalogy mohou ukládat strukturovaná a nestrukturovaná data, odkazy na data v externích zdrojích dat a další analytická aktiva, například modely strojového učení.

kategorie

V produktu Watson Knowledge Catalog, pracovní prostor spolupráce pro organizaci a správu artefaktů regulace.

classification

V produktu Watson Knowledge Catalogse takto označuje artefakt regulace, který popisuje úroveň citlivosti dat v datovém aktivu.

cleanse

Chcete-li se ujistit, že všechny hodnoty v datové sadě jsou konzistentní a správně zaznamenané.

Spolupracovník

Člen skupiny lidí, kteří pracují společně na společném cíli.

kombinované potíže

Problém, který je obtížné vyřešit, protože vyžaduje více rozhodnutí, aby bylo možné provést příliš mnoho kombinací možných voleb. Některé příklady slouží k vyhledání seskupení, řazení nebo přiřazení objektů.

výpočetní prostředky

Hardwarové a softwarové prostředky definované definicí prostředí pro spouštění analytických aktiv.

Matice zmatení

Měření výkonu, které určuje přesnost mezi kladnými a zápornými předpověznými výsledky modelu v porovnání s pozitivními a zápornými skutečnými výsledky.

připojená data

Datová sada, ke které se přistupuje prostřednictvím připojení k externímu zdroji dat.

připojení

Informace požadované pro připojení k databázi. Skutečné informace, které se vyžadují, se liší v závislosti na DBMS a způsobu připojení.

omezení

V Decision Optimizationse jedná o podmínku, která musí být splněna řešením problému.

průběžné učení

Automatizace úloh monitorování výkonu modelu, rekvalifikace s novými daty a opětovné implementace s cílem zajistit kvalitu předpovědí.

Implementace Core ML

Proces stažení implementace ve formátu jádra ML pro použití v aplikacích iOS .

kurát

• Chcete-li vybrat, shromáždit, zachovat a zachovat obsah související s určitým tématem, postupujte takto. Crace zavádí, udržuje a přidává hodnotu k datům; transformuje data do věrohodných informací a znalostí.
• Chcete-li vytvořit datové aktivum a připravit jej na publikování v katalogu. Craci může zahrnovat obohacení datového aktiva přiřazením artefaktů regulace, jako jsou obchodní podmínky, klasifikace a datové třídy, a analýza kvality dat v datovém aktivu.

datové aktivum

Aktivum, které ukazuje na data, například na odeslaný soubor. Připojení a připojená datová aktiva se také považují za datová aktiva.

datová třída

Artefakt řízení, který kategorizuje sloupce v relačních datových sadách podle typu dat a jak se data používají.

integrace dat

Kombinace technických a obchodních procesů, které se používají ke sloučení dat z různorodých zdrojů do smysluplných a cenných informací.

datové jezero

Zvětšovací datové úložiště dat, které ukládá nezpracovaná data do libovolného formátu v ploché architektuře. Datová jezera obsahují strukturovaná a nestrukturovaná data stejně jako binární data pro účely zpracování a analýzy.

data lakehouse

Sjednocená datová úložiště a architektura zpracování, která spojuje flexibilitu datového jezera se strukturovaným dotazováním a optimalizací výkonu datového skladu a umožňuje rozšiřitelnou a účinnou analýzu dat pro aplikace AI a analýzy.

dolování dat

Proces shromažďování kritických obchodních informací ze zdroje dat, zjišťování korelací informací a odkrývání přidružení, vzorů a trendů. Viz též predictive analytics.

Datový model

Vizualizace datových prvků, jejich vztahů a jejich atributů.

datový produkt

Kolekce optimalizovaných dat nebo dat souvisejících s daty, která jsou zabalena pro opětovné použití a distribuci s řízeným přístupem. Datové produkty obsahují data a také modely, panely dashboard a jiné typy výpočetních aktiv. Na rozdíl od datových aktiv v katalozích regulace jsou datové produkty spravovány jako produkty s vícenásobným účelem k poskytnutí obchodní hodnoty.

pravidla ochrany dat

Artefakt řízení, který uvádí, jaká data se mají řídit a jak ji ovládat. Pravidlo ochrany dat obsahuje kritéria a akci.

analýza kvality dat

Analýza dat vzhledem k přesnosti, úplnosti, konzistentnosti, aktuálnosti, jedinečnosti a jedinečnosti rozměrů a správnosti.

definice kvality dat

Definice kvality dat popisuje vyhodnocení pravidla nebo podmínky pro pravidla kvality dat.

pravidla kvality dat

Během analýzy kvality dat se jedná o pravidlo kvality dat, které vyhodnocuje data, zda jsou splněny specifické podmínky, a identifikuje záznamy, které nesplňují podmínky, jako narušení pravidel.

věda dat

Analýza a vizualizace strukturovaných a nestrukturovaných dat za účelem zjištění poznatků a znalostí.

datová sada

Kolekce dat, obvykle ve formě řádků (záznamů) a sloupců (polí) a obsažených v souboru nebo v databázové tabulce.

zdroj dat

Úložiště, fronta nebo kanál pro čtení dat, jako např. databáze Db2 .

datová tabulka

Kolekce dat, obvykle ve formě řádků (záznamů) a sloupců (polí) a obsažených v tabulce.

datový sklad

Velké centralizované úložiště dat shromážděných z různých zdrojů, které se používají pro účely vytváření sestav a analýz dat. V první řadě ukládá strukturovaná a polostrukturovaná data a umožňují podnikům přijímat informovaná rozhodnutí.

Model Decision Optimization

Preskriptivní model, který lze vyřešit pomocí optimalizace a poskytnout tak nejlepší řešení problému Decision Optimization .

proměnná rozhodnutí

Jeden ze sady proměnných představujících rozhodnutí, která mají být provedena, jejichž hodnoty jsou určeny optimalizačním strojem a zajišťují, aby byla splněna všechna omezení a optimalizovaný cíl.

implementace

Model nebo aplikační balík, který je k dispozici pro použití.

prostor implementace

Pracovní prostor, kde jsou nasazeny modely a implementace jsou spravovány.

DevOps

Metodologie softwaru, která integruje vývoj aplikací a IT operace tak, aby týmy mohly rychleji poskytovat kód k produkci a iterovat průběžně na základě zpětné vazby na trhu.

Dokplex

Rozhraní API Python pro modelování a řešení problémů Decision Optimization .

Adresa URL koncového bodu

Cílová adresa v síti, která identifikuje prostředky, jako jsou služby a objekty. Adresa URL koncového bodu je například použita k identifikaci umístění modelu nebo implementace funkce, když uživatel odešle data informačního obsahu do implementace.

prostředí

Výpočetní prostředky pro spouštění úloh.

běhová komponenta prostředí

Vytváření instance šablony prostředí pro spouštění analytických aktiv.

šablona prostředí

Definice, která uvádí prostředky hardwaru a softwaru pro vytvoření instancí běhových prostředí prostředí.

vysvětlitelnost

• Schopnost lidských uživatelů trasovat, monitorovat a porozumět předpovědím, které jsou prováděny v aplikacích používajících systémy AI.
• Schopnost systému AI poskytovat náhledy, které lidé mohou použít k pochopení příčin předpovědí systému.

spravedlnost

V systému AI je to spravedlivé zacházení s jednotlivci nebo skupinami jednotlivců. Výběr určité koncepce vlastního kapitálu pro systém AI závisí na kontextu, ve kterém se používá. Viz také předpojatost.

funkce

Vlastnost nebo charakteristika položky v rámci datové sady, např. sloupec v tabulce. V některých případech jsou funkce nastaveny jako kombinace jiných funkcí v datové sadě.

inženýrská funkce

Proces výběru, transformace a vytváření nových funkcí ze nezpracovaných dat za účelem zlepšení výkonu a prediktivního výkonu modelů počítačů se studiem.

Výběr funkcí

Identifikace sloupců dat, které nejlépe podporují přesnou předpověď nebo skóre v modelu strojového učení.

úložiště funkcí

Centralizované úložiště nebo systém, který spravuje a organizuje funkce, poskytuje rozšiřitelný a efektivní způsob ukládání, načítání a sdílení dat funkcí v rámci produktovodů a aplikací pro výuku počítačů.

transformace funkcí

V AutoAI-fáze vytváření propojení procesů, která používá algoritmy k transformaci a optimalizaci dat v rámci přípravy na dosažení nejlepšího výsledku pro daný typ modelu.

federované učení

Školení obecného modelu studia, který používá více zdrojů dat, které nejsou přesunuty, sloučené nebo sdílené. Výsledkem je lepší-vyškolený model, aniž by byla ohrožena bezpečnost dat.

tok

Kolekce uzlů, které definují sadu kroků pro zpracování dat nebo školení modelu.

Ganttův graf

Grafické znázornění časové osy projektu a trvání, kdy jsou data časového plánu zobrazena jako vodorovné pruhy podél časového měřítka.

artefakt regulace

Regulační položky, které obohatí nebo ovládají datová aktiva. Artefakty regulace obsahují obchodní termíny, klasifikace, třídy dat, zásady, pravidla a referenční datové sady.

pravidlo regulace

Artefakt regulace, který poskytuje podrobný popis kritérií používaných k určení, zda jsou datová aktiva v souladu s obchodními cíli.

sled prací regulace

Proces založený na úlohách pro řízení vytváření, úprav a odstraňování artefaktů regulace.

řízený katalog

Katalog, který má povoleno vynucení pravidel ochrany dat.

GPU

Viz graphics processing unit.

grafický tvůrce

Nástroj pro vytváření analytických aktiv vizuálně kódováním. Plátno je oblast, na kterou lze umístit objekty nebo uzly, které lze připojit k vytvoření toku.

grafická procesní jednotka (GPU)

Specializovaný procesor určený k rychlé manipulaci a změně paměti za účelem urychlení vytváření obrazů v obrazové paměti určené pro výstup na obrazovku. GPU jsou silně vytížené při učení stroje kvůli jejich schopnosti paralelního zpracování.

zahotaná sada

Sada označených dat, která se záměrně zatajila z výcvikových a validačních sad, slouží jako nezaujaté hodnocení výkonu konečného modelu na neviditelné datech.

lidský dohled

Lidské zapojení do přezkumu rozhodnutí, která byla poskytnuta systémem AI, umožňuje lidskou autonomii a odpovědnost za rozhodování.

hyperparametr

V počítačově učení se jedná o parametr, jehož hodnota je nastavena před tréninkem jako způsob, jak zvýšit přesnost modelu.

obrázek

Softwarový balík, který obsahuje sadu knihoven.

INGEST

• Dodání dat do systému za účelem vytvoření základu znalostí.
• Chcete-li nepřetržitě přidávat do databáze vysoký objem dat v reálném čase.

Náhled

Je to přesné nebo hluboké pochopení něčeho. Poznatky jsou odvozeny pomocí kognitivních analýz k zajištění aktuálních snímků a předpovědí chování zákazníků a přístupů.

Záměr

Účel nebo cíl vyjádřený vstupem zákazníka do chatbot, jako je například odpovídání na otázku nebo zpracování platby.

úkol

Samostatně proveditelná jednotka práce.

Notebook Jupyter

Viz notebook.

označená data

Nezpracovaná data, která mají přiřazené štítky k přidání kontextu nebo významu, aby mohla být použita k výuce strojových modelů. Například číselné hodnoty mohou být označeny jako PSČ nebo věk pro poskytnutí kontextu pro vstupy a výstupy modelu.

model velkých jazyků

Jazykový model s velkým počtem parametrů, vyškolený na velkém množství textu.

původ

• Historie toku dat prostřednictvím aktiv.
• Historie událostí provedených na aktivu.

logický model

Logické znázornění datových objektů, které souvisejí s obchodní doménou.

learning (ML)

Větev umělé inteligence (AI) a počítačové vědy, která se zaměřuje na využití dat a algoritmů tak, aby napodobovala způsob, jakým se lidé učí, postupně zdokonalují přesnost modelů AI.

výukový rámec stroje

Knihovny a běhové prostředí pro školení a implementaci modelu.

Model strojového učení

Model AI, který je školen na sadu dat k vývoji algoritmů, které může použít k analýze a učení nových dat.

Maska

Nahrazení citlivých datových hodnot ve sloupci datové sady. Metody maskování se v datovém obslužném programu a v soukromí liší od poskytování podobně formátovaných hodnot náhrady, které zachovají referenční integritu při poskytování stejné náhradní hodnoty pro celý sloupec.

maskování toku

Tok, který produkuje trvale maskované kopie dat.

hlavní data

• U modelového výcviku se referenční údaje, které zůstávají stejné pro více pracovních míst na stejném modelu, ale mohou být změněny, je-li to nutné.
• V Match 360se konsolidovaným pohledem na data z různorodých zdrojů.

matematické programování (MP)

Pole z matematiky nebo provozního výzkumu, používané k modelování a řešení problémů Decision Optimization . To zahrnuje lineární, celé číslo, smíšené celé číslo a nelineární programování.

import metadat

Metoda importu metadat, která je přidružena k datovým aktivům, včetně metadat procesu popisujících původ datových aktiv a technických metadat, která popisují strukturu datových aktiv.

nesprávné zarovnání

Nesrovnalost mezi cíli nebo chováním, které je systém AI optimalizován k dosažení a pravdivých, často složitých cílů svých lidských uživatelů nebo návrhářů.

ML.

Viz machine learning.

MLOPY

• Postup spolupráce mezi vědeckými pracovníky a profesionály v oblasti správy pomáhá se správou životního cyklu výuky produkčního počítače (nebo důkladného učení). MLOS se zaměřuje na zvýšení automatizace a zlepšení kvality produkce ML a zároveň se zaměřuje na obchodní a regulační požadavky. Jedná se o vývoj modelu, školení, ověření, implementaci, monitorování a správu a použití metod, jako je CI/CD.
• Metodika, která má model strojového učení od vývoje až po výrobu.

model

• V kontextu strojového učení se sada funkcí a algoritmů, které byly vycvičeny a testována na datové sadě za účelem poskytování předpovědí nebo rozhodnutí.
• V Decision Optimizationse jedná o matematickou formulaci problému, kterou lze vyřešit pomocí optimalizačních modulů CPLEX s použitím různých datových sad.

vzorová formulace

V sekci Decision Optimizationje matematická formulace modelu vyjádřena jako seznam rozhodovacích proměnných, jedna nebo více objektivních funkcí, které mají být maximalizovány nebo minimalizovány, a některá omezení, která mají být splněna.

ModelOps

Metodika pro řízení kompletního životního cyklu modelu AI, včetně školení, implementace, bodování, hodnocení, rekvalifikace a aktualizace.

VO

Viz matematické programování.

přirozený jazyk

Modelovací syntaxe, která se podobá přirozenému lidskému jazyku (v angličtině) k formulování modelů.

zpracování přirozeného jazyka (NLP)

Pole umělé inteligence a lingvistiky, které studují problémy spojené se zpracováním a manipulací s přírodním jazykem, s cílem zvýšit schopnost počítačů porozumět lidským jazykům.

knihovna zpracování přirozeného jazyka

Knihovna, která poskytuje základní funkce pro zpracování přirozeného jazyka pro analýzu syntaxe a předškolené modely pro širokou škálu úloh zpracování textu.

neuronová síť

Matematický model pro předpovídání nebo klasifikaci případů pomocí složitého matematického schématu, který simuluje abstraktní verzi mozkových buněk. Neuronová síť je vycvičena tím, že ji předkládá s velkým počtem pozorovaných případů, jedna po druhé a umožňuje ji opakovaně aktualizovat, dokud se nenaučí tuto úlohu.

Zpracování přirozeného jazyka

Viz natural language processing.

uzel

Grafické znázornění datové operace v proudu nebo toku. Různé typy uzlů mají různé tvary, které označují typ operace, kterou provádějí.

zápisník

Interaktivní dokument, který obsahuje spustitelný kód, popisný text pro tento kód a výsledky jakéhokoli kódu, který se spustí.

jádro

Část zápisníkového editoru, která provádí kód a vrací výpočetní výsledky.

zamlžit

Chcete-li nahradit data ve sloupci s podobně formátovanými hodnotami, které odpovídají původnímu formátu. Forma maskování.

Úložiště objektů

Metoda ukládání dat, obvykle používaná v cloudu, ve kterém jsou data uložena jako samostatné jednotky nebo objekty ve fondu úložišť nebo v úložišti, které nepoužívají hierarchii souborů, ale ukládá všechny objekty na stejné úrovni.

objektivní funkce

V rozhodnutí Opmization and Operations research se jedná o výraz pro optimalizaci (to znamená buď minimalizovat nebo maximalizovat) a zároveň uspokojit jiná omezení daného problému.

jednorázová výuka

Model pro hluboké učení, který je založen na předpokladu, že se většina lidí učí, když obdrží jen jeden nebo dva příklady. Tento model je podobný nedozorovaném učení.

online implementace

Metoda přístupu k implementaci modelu nebo implementace kódu Python prostřednictvím koncového bodu rozhraní API jako webové služby za účelem generování předpovědí online v reálném čase.

ontologie

Explicitní formální specifikace reprezentace objektů, koncepcí a dalších entit, které mohou existovat v některých oblastech zájmu, a vztahů mezi nimi.

provozní aktivum

Aktivum, které spouští kód v nástroji nebo úloze.

Model OPL

Modelové složení vyjádřené v modelovacím jazyce OPL.

optimální řešení

V operacích výzkumu, řešení problému, který optimalizuje objektivní funkci (zda je lineární nebo kvadratická) a splňuje všechna ostatní omezení problému.

optimalizace

Proces nalezení nejvhodnějšího řešení přesně definovaného problému při respektování uložených omezení a omezení. Například, jak určit, jak přidělit prostředky nebo jak najít ty nejlepší prvky nebo kombinace z velké sady alternativ.

koordinace

Proces vytvoření konce mezi koncovými body, který může trénovat, spouštět, implementovat, testovat a vyhodnocovat model učení se strojem a používá automatizaci ke koordinaci systému, často pomocí mikroslužeb.

parametr

Konfigurovatelná část modelu, která je pro model interní a jejíž hodnoty jsou odhadovány nebo se z nich poučili. Parametry jsou aspekty modelu, které jsou upraveny během tréninkového procesu tak, aby model pomohl přesně předpovědět výstup. Výkonnostní a prediktivní výkon modelu je z velké části závislý na hodnotách těchto parametrů.

Strana

V produktu Federated Learning, entita, která přispívá daty pro školení obecného modelu. Data se nepřesunují ani nekombinují, ale každá strana získá výhodu sdruženého školení.

informační obsah

Data, která jsou předána do implementace za účelem získání skóre, předpovědi nebo řešení.

protokolování informačního obsahu

Zachycení dat informačního obsahu a výstupu implementace pro monitorování průběžného stavu influenzy ptáků v obchodních aplikacích.

Fyzický model

Definice fyzických struktur a vztahů dat.

Kanál

• Ve Watson Pipelinesse tok koncových aktiv od vytvoření přes implementaci až do konce.
• V AutoAI, kandidátský model.

základní deska ropovodu

V tabulce AutoAIse takto označuje tabulka, která zobrazuje seznam automaticky generovaných kandidátských modelů, ropovodů, seřazených podle zadaných kritérií.

zástupný symbol

Pole nebo proměnná, která má být nahrazena hodnotou.

zásada

• Strategie nebo pravidlo, které agent řídí k určení další akce založené na aktuálním stavu.
• Sada pravidel, která chrání data tím, že řídí přístup k datovým aktivům, nebo anonymizuje citlivá data v rámci datových aktiv.
• Artefakt řízení, který se skládá z jedné nebo více pravidel ochrany dat a regulace.

prediktivní analýza

Obchodní proces a sada souvisejících technologií, které se zabývají predikcí budoucích možností a trendů. Prediktivní analýza používá takové různorodé disciplíny jako pravděpodobnost, statistiky, učení se strojem a umělou inteligenci k obchodním problémům při hledání nejlepší akce pro specifickou situaci. Viz též data mining.

předškolený model

Model AI, který byl dříve vyškolen na velké datové sadě, aby dokončil specifickou úlohu. Místo sestavení modelu od začátku se používají předškolené modely.

primární kategorie

V produktu Watson Knowledge Catalog, kategorie, která obsahuje artefakt regulace. Kategorie je podobná složce nebo adresáři, který uspořádává artefakty řízení uživatele.

Ochrana soukromí

Zajištění toho, aby informace o jednotlivci byly chráněny před neoprávněným přístupem a nevhodným používáním.

profil

Vygenerovaná metadata a statistika o textovém obsahu dat.

projekt

Pracovní prostor spolupráce pro práci s daty a dalšími aktivy.

publikování

Kopírování aktiva do katalogu.

Python

Programovací jazyk, který se používá ve vědě o datech a AI.

Python model DOcplex

Formulace modelu vyjádřená v Python.

Funkce Python

Funkce, která obsahuje kód Python pro podporu modelu v produkci.

pravidlo kvality

Jedna nebo více podmínek požadovaných pro záznam dat ke splnění kvalitativních standardů. Během analýzy kvality dat jsou záznamy dat zkontrolovány na základě těchto podmínek.

R

Rozšiřitelný skriptovací jazyk používaný v oblasti vědy a vývoje dat, který nabízí širokou škálu analytických, statistických a grafických funkcí a technik.

čtení

Kopírování dat do aplikace za účelem manipulace nebo analýzy dat.

Redigovat

Chcete-li nahradit všechny hodnoty dat ve sloupci stejným řetězcem, abyste skryli citlivé hodnoty, formát dat a všechny relace mezi hodnotami. Forma maskování ..

datová sada odkazů

Artefakt regulace, který definuje hodnoty pro specifické typy sloupců.

Upřesnit

Pro vyčištění a formování dat.

zesílení učení

Technika učení v počítači, ve které se agent učí provádět sekvenční rozhodnutí v prostředí za účelem maximalizace signálu odplaty. Agenti jsou inspirováni procesem testování a chyb, agenti interagují s prostředím, přijímají zpětnou vazbu a přizpůsobují své akce tak, aby dosáhli optimálních zásad.

Odměna

Signál, který se používá k vedení agenta, obvykle agenta pro učení vyztužení, který poskytuje zpětnou vazbu o dobrotě rozhodnutí.

pravidlo

V produktu Watson Knowledge Catalog, artefakt regulace, který obsahuje informace, kritéria nebo logiku pro analýzu nebo ochranu dat. Některá pravidla jsou vynucována a některé jsou informativní.

běhové prostředí

Předdefinovaná nebo vlastní konfigurace hardwaru a softwaru, která se používá ke spouštění nástrojů nebo úloh, jako např. notebooky.

bodování

• V počítačově učení proces měření důvěry předpovídaného výsledku.
• Proces výpočtu toho, jak úzce se atributy pro příchozí identitu shodují s atributy existující entity.

skript

Soubor, který obsahuje skripty Python nebo R pro podporu modelu v produkčním prostředí.

sekundární kategorie

Volitelná kategorie, která odkazuje na artefakt regulace.

self-attention

Mechanizmus upozornění, který používá informace ze samotného vstupu dat k určení toho, na které části vstupu se má při generování výstupu zaměřit.

osoby s vlastním dohledem

Metoda výuky strojového učení, ve které se model učí z neoznačených dat maskováním tokenů ve vstupní posloupnosti a poté se jej snaží předpovědět. Příkladem je "I like ________ výhonky".

citlivá data

Data, která obsahují informace, které by neměly být viditelné pro všechny uživatele. Například osobně identifikovatelné informace nebo jiné informace, které jsou omezeny předpisy na ochranu soukromí.

Tvar

Chcete-li přizpůsobit data filtrováním, řazením, odebráním sloupců, slučováním tabulek, prováděním operací, které zahrnují výpočty, seskupení dat, hierarchie a další.

malá data

Data, která jsou přístupná a srozumitelná lidmi. Viz též structured data.

SQL pushback

V produktu SPSS Modelerjde o proces provádění mnoha operací přípravy dat a dolování dat přímo v databázi prostřednictvím kódu SQL.

strukturovaná data

Data, která se nacházejí v pevných polích v rámci záznamu nebo souboru. Příklady strukturovaných dat jsou relační databáze a tabulky. Viz také nestrukturovaná data, malá data.

strukturované informace

Položky uložené ve strukturovaných prostředcích, jako jsou indexy vyhledávacího stroje, databáze nebo znalostní báze.

DOSADIT

Chcete-li nahradit data ve sloupci hodnotami, které se neshodují s původním formátem, ale zachovejte referenční integritu.

superuzel

Uzel produktu SPSS Modeler , který zmenší tok dat tím, že zapouzdřuje několik uzlů do jednoho datového proudu.

dozorované učení

Metoda výuky strojového učení, ve které je model vyškolen v datové sadě s popisky, aby bylo možné vytvářet předpovědi pro nová data.

klasifikace textu

Model, který automaticky identifikuje a klasifikuje text do určených kategorií.

Časové řady

Sada hodnot proměnné v pravidelných časových bodech.

školený model

Model, který je vycvičen se skutečnými daty a je připraven k implementaci s cílem předpovídat výsledky při prezentaci s novými daty.

Trénování

Počáteční fáze sestavení modelu zahrnující podmnožinu zdrojových dat. Model se učí podle příkladu ze známých dat. Model lze poté testovat proti další dílčí sadě, pro kterou je výsledek již znám.

Trénovací data

Sada anotovaných dokumentů, které lze použít k trénování počítačových modelů počítačů.

Trénovací sada

Sada označených dat, která se používá k vycvičením modelu strojového učení vystavením příkladů a jejich odpovídajících jmenovek, což umožňuje modelům naučit se vzory a vytvářet předpovědi.

přenos učení

Strategie učení stroje, ve které se vycvičený model použije na zcela nový problém.

průhlednost

Sdílení vhodných informací se zúčastněnými stranami o tom, jak byl systém AI navržen a rozvíjen. Příklady těchto informací jsou to, jaká data se shromažďují, jak se budou používat a ukládat, a kdo k němu má přístup; a výsledky testů pro přesnost, robustnost a předpojatost.

Turingova zkouška

Návrh Alana Turingova v roce 1950, zkouška schopnosti stroje vykazovat inteligentní chování ekvivalentní, nebo nerozeznatelný od, že na člověka.

neomezený problém

Problém Decision Optimization , kde existuje neomezený počet řešení a cíl může převzít hodnoty až do nekonečna. Neohraničené problémy jsou často způsobeny chybějícími omezeními ve složení modelu.

nestrukturovaných dat

Veškerá data, která jsou uložena v nestrukturovaném formátu, spíše než v pevných polích. Data v textovém dokumentu jsou příkladem nestrukturovaných dat. Viz též structured data.

nestrukturované informace

Data, která nejsou obsažena v pevném umístění, například v textovém dokumentu přirozeného jazyka.

učení bez dozoru

Metoda výuky strojového učení, ve které není model poskytnut s návěštím dat a musí najít vzory nebo strukturu v datech sama o sobě.

Ověřovací sada

Samostatná sada označených dat, která se používá k vyhodnocení výkonu a generalizační schopnosti počítačového modelu učení se během procesu školení, pomoci při ladění hyperparametrů a výběru modelu.

virtuální agent

Předem vyškolený chat bot, který může zpracovat přirozený jazyk, aby reagoval a dokončit jednoduché obchodní transakce, nebo směrovat složitější požadavky na člověka s předmětem odborných znalostí.

vizualizace

Graf, graf, zákres, tabulka, mapa nebo jakékoli jiné vizuální reprezentace dat.

váha

Koeficient pro uzel, který transformuje vstupní data v rámci vrstvy sítě. Váha je parametr, který model AI učí prostřednictvím školení, upravuje svou hodnotu tak, aby snižovala počet chyb v předpovědích modelu.