واژه‌نامه تخصصی اصطلاحات هوش مصنوعی و علم داده

وضعیتی که در آن مدل به جای یادگیری الگوهای بنیادین، نویز داده‌های آموزش را حفظ می‌کند و در تعمیم به داده‌های جدید ناتوان می‌ماند.

ناتوانی مدل ساده در یادگیری الگوهای داده، که منجر به خطای بالا هم در آموزش و هم در تست می‌شود.

تعادل بنیادین میان خطای فرضیات ساده‌انگارانه مدل (بایاس) و حساسیت بالا به نوسانات تصادفی آموزش (واریانس).

پارادایم یادگیری که در آن مدل با جفت‌های ورودی-برچسب هدف آموزش دیده و نگاشت ویژگی‌ها به خروجی را می‌آموزد.

پارادایم کشف الگوها، ساختارهای پنهان و خوشه‌ها در داده‌های فاقد برچسب یا راهنما.

تکنیکی نوین که در آن برچسب‌های نظارتی به صورت خودکار از ساختار درونی داده‌های خام استخراج می‌شوند.

یادگیری مبتنی بر پاداش و تنبیه که در آن عامل با تعامل با محیط، سیاست بهینه تصمیم‌گیری را می‌آموزد.

الگوریتم طبقه‌بندی که اَبَربالشی با بیشترین حاشیه اطمینان (Max Margin) بین کلاس‌ها ایجاد می‌کند.

الگوریتم یادگیری جمعی (Ensemble) متشکل از صدها درخت تصمیم‌گیری که با روش Bagging واریانس را کاهش می‌دهد.

پیاده‌سازی سریع و بهینه‌شده از الگوریتم Gradient Boosting همراه با منظم‌سازی داخلی برای جلوگیری از بیش‌برازش.

الگوریتم افرازبندی داده‌ها به K خوشه بر مبنای کمینه‌سازی فاصله اقلیدسی نمونه‌ها تا مراکز خوشه‌ها.

الگوریتم خوشه‌بندی که بر اساس چگالی نقاط، خوشه‌هایی با اشکال هندسی دلخواه شناسایی کرده و داده‌های پرت را حذف می‌کند.

افزودن جریمه اندازه وزن‌ها به تابع هزینه برای مهار بیش‌برازش؛ L1 ضرایب را صفر و L2 ضرایب را کوچک می‌سازد.

جدول دوبعدی مقایسه پیش‌بینی‌های مدل با مقادیر واقعی شامل مثبت/منفی واقعی و خطاهای نوع اول و دوم.

صحت (دقت پیش‌بینی‌های مثبت) و بازخوانی (توانایی شکار تمام نمونه‌های مثبت واقعی) در داده‌های نامتعادل.

میانگین هارمونیک میان صحت و بازخوانی که تصویری جامع از عملکرد مدل ارائه می‌دهد.

سنجه عملکرد طبقه‌بندهای آماری در تمام آستانه‌های تصمیم‌گیری ممکن.

تقسیم داده‌ها به K بخش مساوی و آموزش و تست مدل در K تکرار برای ارزیابی قابلیت تعمیم.

الگوریتم آموزش شبکه‌های عصبی با استفاده از قاعده زنجیره‌ای مشتق برای محاسبه گرادیان خطا.

مدل استنتاج منطقی مبتنی بر تئوری مجموعه‌های فازی لطفی‌زاده برای مدل‌سازی گزاره‌های غیرقطعی.

ساختار کلی مدیریت، ذخیره‌سازی، جریان، یکپارچه‌سازی و حاکمیت داده‌ها در تمام لایه‌های سازمانی.

فرایند استخراج، تبدیل و بارگذاری داده‌ها؛ در ELT تبدیلات پس از بارگذاری در پایگاه‌های مدرن ابری انجام می‌شود.

مخزن متمرکز، موضوع‌محور، یکپارچه و پایدار برای پشتیبانی از تصمیم‌گیری‌های کلان سازمانی.

رویکرد طراحی انبار داده با تکیه بر جداول واقعیت (Fact)، جداول بعد (Dimension) و دیتا مارت‌ها.

تکنیک‌های مدیریت تغییرات در مشخصات ابعاد در گذر زمان (SCD Type 1/2/3).

مخزن ذخیره‌سازی مقیاس‌پذیر برای نگهداری داده‌های خام با ساختار و بی‌ساختار بر مبنای Schema-on-Read.

معماری تلفیقی که انعطاف و ارزانی دریاچه داده را با تراکنش‌های ACID انبار داده ادغام می‌کند.

الگوی طراحی سه‌لایه لیک‌هاوس شامل لایه برنز (داده خام)، سیلور (پاک‌سازی‌شده) و گلد (تجمیع‌شده).

ویژگی‌های معرف داده‌های حجیم شامل حجم، سرعت، تنوع، صحت و ارزش اقتصادی.

موتور پردازش موازی و توزیع‌شده داده‌ها با محاسبات درون‌حافظه‌ای بسیار سریع.

معماری‌های پردازش هم‌زمان داده؛ ترکیب مسیرهای بچ و استریم (لامبدا) یا یکپارچه‌سازی کامل در استریم (کاپا).

چارچوب مرجع جهانی مدیریت داده شامل ارکان تضمین سلامت، شجره‌نامه و کاتالوگ سازمانی.

نقشه شفاف مسیر حرکت داده‌ها از مبدأ تولید، از خلال تمام تبدیلات تا نقطه مصرف نهایی.

شش معیار استاندارد شامل کامل‌بودن، دقت، سازگاری، به‌موقع‌بودن، اعتبار و یکتایی داده‌ها.

معماری غیرمتمرکز و دامنه‌محور با رویکرد داده به عنوان محصول و حاکمیت فدرال متمرکز.

قطعه‌بندی متن خام به واحدهای آماری توکن بر پایه الگوریتم‌های BPE و WordPiece.

نمایش برداری کلمات در فضای پیوسته با ابعاد بالا به نحوی که فاصله نشان‌دهنده قرابت معنایی باشد.

معماری شبکه عصبی متکی بر خودتوجهی بدون وابستگی به توالی زمانی.

محاسبه روابط متقابل کلمات متن از طریق ماتریس‌های پرس‌وجو (Q)، کلید (K) و ارزش (V).

مدل‌های با صدها میلیارد پارامتر آموزش‌دیده روی داده‌های متنی حجیم با توانایی درک و استدلال عمیق.

دانش ساختاردهی به دستورات ورودی مدل زبانی برای استخراج دقیق‌ترین و مطمئن‌ترین نتایج.

وادار کردن مدل زبانی به تشریح استدلال‌های میانی قبل از صدور پاسخ نهایی.

تلفیق جستجو در پایگاه دانش برداری با مدل‌های زبانی برای کاهش توهم و پاسخ‌گویی مستند.

سامانه ذخیره‌سازی امبدینگ‌ها با امکان جستجوی شباهت کسینوسی بلادرنگ با شاخص‌های HNSW.

متد آموزش LLM که وزن‌های اصلی را منجمد کرده و تغییرات را با ماتریس‌های کم‌رتبه آموزش می‌دهد.

سامانه‌های خودمختار متکی بر LLM با ابزارها، حافظه و برنامه‌ریزی جهت تحقق اهداف پیچیده.

سیستم‌هایی که به طور هم‌زمان توانایی فهم و تلفیق متن، تصویر، صوت و ویدیو را دارند.

شناسایی کلاس و مکان دقیق اشیاء حاضر در تصویر به کمک جعبه‌های محصورکننده.

پیشنهاد کالا مبتنی بر کشف شباهت رفتاری و تاریخی میان کاربران یا الگوهای خرید کالاها.

دشواری سیستم‌های پیشنهاددهنده در پیشنهاد به کاربران یا آیتم‌های جدید بدون سابقه تعاملی.

ترکیب اینترنت اشیاء صنعتی با الگوریتم‌های هوش مصنوعی لبه برای پردازش بلادرنگ.

پایش حسگرهای تجهیزات برای تشخیص زودهنگام فرسودگی و تعمیر بهنگام قبل از توقف خط.

شناسایی رفتارهای غیرعادی در تراکنش‌های مالی در کسری از ثانیه بر روی داده‌های نامتعادل.

شناسایی مشتریانی که در آستانه قطع همکاری هستند با اولویت حداکثرسازی بازخوانی (Recall).

شاخص استاندارد بهره‌وری صنعتی حاصل‌ضرب در دسترس بودن، عملکرد و کیفیت تولید.

متدولوژی ۶ فازی پروژه‌های داده‌کاوی: فهم کسب‌وکار، داده، آماده‌سازی، مدل، ارزیابی و استقرار.

تغییر توزیع آماری متغیرهای ورودی یا تغییر ارتباط ریاضی بین ویژگی‌ها و هدف.

خودکارسازی فرآیندهای استقرار، پایپ‌لاین‌های CI/CD، نظارت و بازآموزی مداوم مدل‌ها.

سنجش عملکرد خبره‌ترین انسان‌ها برای تخمین خطای بهینه بیز و سقف انتظار از مدل.

مجموع هزینه‌های مستقیم و پنهان محاسبات ابری، برچسب‌گذاری و نگهداشت مدل در طول عمر آن.

استاندارد مرجع مدیریت ریسک متکی بر ۴ کارکرد حکمرانی، نقشه‌برداری، سنجش و مدیریت.

مخزن متمرکز ثبت و سرو ویژگی‌ها جهت پیشگیری از ناهماهنگی آموزش و استقرار.

سودآوری مالی پروژه‌های هوش مصنوعی نسبت به کل سرمایه‌گذاری نقدی انجام‌شده.

سیستم‌های اخلاقی، قانون‌مند، مستحکم، ایمن، شفاف، منصف و پاسخ‌گو به جامعه.

قانون جامع بین‌المللی که سیستم‌های AI را بر مبنای هرم ۴ لایه ریسک تنظیم و نظارت می‌کند.

تکنیک‌های یادگیری فدرال و محاسبات امن جهت آموزش بدون افشای داده‌های شخصی.

چتر ریاضی تضمین حریم خصوصی با افزودن نویز کالیبره‌شده با بودجه اپسیلون.

خطاهای تکرارشونده مدل که منجر به قضاوت‌های ناعادلانه علیه گروه‌های حساس جمعیتی می‌شود.

روش‌هایی نظیر SHAP و LIME برای باز کردن جعبه سیاه مدل‌های عمیق و تشریح دلایل پیش‌بینی.

الگوی نظارت انسانی که در آن تایید نهایی خروجی‌های حساس توسط کارشناس متخصص انجام می‌شود.

استاندارد جهانی سیستم مدیریت هوش مصنوعی (AIMS) مبتنی بر چرخه PDCA جهت حاکمیت سازمانی.