Словник термінів
У даному розділі наведений перелік термінів, які використовуються в перекладі матеріалу, що зустрічається в даному репозиторію а також посилання на їх тлумачення в конспекті. Нижче наведені додаткові ресурси, де Ви можете знайти терміни в темі ML.
- За цим посиланням Ви можете знайти Англійсько-український глосарій термінів Data Science, створений за ініціативи спільноти Kyiv Data Science.
- g - Machine Learning Glossary від developers.google.com (en) - глосарій, що означує загальні терміни машинного навчання, а також терміни, характерні для TensorFlow.
- m - Machine Learning Glossary від ml-cheatsheet (en) - короткі візуальні пояснення концепцій машинного навчання з діаграмами, прикладами коду та посиланнями на ресурси, щоб дізнатися більше.
Обговорення термінології, наведеної в даному репозиторії проводиться в цьому issue
A
activations (активації) - значення, що генеруються нейронами моделі після застосування функції активації.
B
C
capacity model (ємність моделі) - здатність моделі наближати широкий клас функцій; міра складності або «сили» моделі.
channels (канали) - у контексті тензорів: кількість незалежних карт ознак у CNN (наприклад, RGB має 3 канали).
D
E
F
feature (ознаки) - окрема вимірювана характеристика даних; елемент вхідного простору.
floating point operation (FLOP) - операція з плаваючою комою
G
ground-truth (еталонна істина / справжня істина) - істинні значення, з якими порівнюють передбачення моделі.
H
I
inductive bias (індуктивне упередження) - припущення, яке модель або алгоритм вносить у процес узагальнення з даних.
J
K
L
loss (втрати) - числова міра похибки моделі, значення, що є результатом обчислення функції втрат.
loss function (функція втрат) — правило/функція, яка визначає спосіб обчислення втрат.
M
mean squared error (середнє квадратичне відхилення) - популярна функція втрат для регресії: середнє значення квадратів різниці між передбаченням і ціллю.
meta-parameters (мета-параметри) - параметри, що задають структуру або властивості моделі, але не навчаються градієнтом.
N
O
overfitting (перенавчання) - стан, коли модель надто добре підлаштовується під тренувальні дані та погано узагальнює.
P
performance (продуктивність)
Q
R
regression (регресія)
S
sampling from the distribution (вибірка з розподілу / генерування з розподілу)
sampling distribution (вибірковий розподіл)
supervised learning (навчанням з учителем)
T
tensor (тензор)
Tensor Processing Units, TPU (тензорні блоки обробки)
training set (тренувальний набір, тренувальна вибірка) - підмножина набору даних, яка використовується для тренування моделі (g),
trainable parameters (налаштовуванні параметри) -
training (тренування/ навчання моделі) -
U
underfitting (недостатнє навчання) - стан, коли модель надто проста для закономірності в даних.
unsupervised learning (навчання без вчителя)
V
W
weights (ваги) -