術語來源
- 全部來自近期的人工智能SOTA論文，如果你近期有讀過，那么很多術語你將不會陌生，
術語作用
- 在作業中，如果你需要通過論文尋找當前任務的解決方案，那么最起碼你需要知道術語的含義；
- 在面試中，面試官需要你表達自己的專業想法，如果你選擇借助術語來闡述，Perfect！
- 另外，如果你還有機會做技術分享，跨企業交流，不懂術語你都不知道人家說什么啊！
- 好了，Please Follow Me！每周通過你的碎片時間學習10個AI術語（在我的筆記本上已經記下了5302個，夠你們學了），
術語內容
- from scratch
- 描述模型的重新訓練，因為現在使用預訓練模型很火，但是就有一些‘耿直’的人喜歡從隨機初始化引數里重新訓練，就用這個描述，
- word sense disambiguation
- 詞義消歧，NLP的重要基礎任務之一，消除同一個詞在句子中可能的歧義，表面意思不難理解吧，
- temporal processing
- 時域處理，你要想到回圈神經網路，比如RNN的序列處理邏輯，當這個序列以時間為軸，就是時域處理，
- contrastive learning
- 對比學習，自監督的一種方式，一般在論文里都是有監督學習的襯托角色，至少現在這個年代是！
- inverse function
- 反函式，人工智能總得和數學有點關系吧，這個初中數學術語要記住！
- teaser example
- 有關AI的腦筋急轉彎（例子），有人在論文里出腦筋急轉彎，我TM也沒辦法，
- on the majority of datasets
- 在大多數資料上，你可能會接下一句：‘我的模型都取得了當前最佳效果’，
- the relative paucity if labeled data
- 標簽資料的相對匱乏，基本上所有的資料增強論文，都在解決這個問題，
- step recurrence
- 重復步，我們的模型訓練的程序，就是一個‘重復步’迭代的程序，
- symmetrized KL-divergence
- 對稱KL散度，對稱先不說，KL散度你多多少少聽過吧，和交叉熵損失函式什么關系來著？
被虐的還不過癮？快關注我，查看更多粉絲可見內容！！！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/302167.html
標籤：AI
上一篇：sklearn可視化不同資料劃分方法的差異：KFold, ShuffleSplit,StratifiedKFold, GroupKFold, StratifiedShuffleSplit.......