Pembelajaran Kurikulum
Definition
Pembelajaran kurikulum meniru pendidikan manusia dengan menyajikan data pelatihan dalam …
Terms tagged with Optimization
Pembelajaran kurikulum meniru pendidikan manusia dengan menyajikan data pelatihan dalam …
Algoritma VAD menganalisis aliran audio secara real-time untuk membedakan antara periode …
Unsloth adalah alat khusus yang dirancang untuk mengoptimalkan penalaan halus …
vLLM (Virtual Large Language Model) adalah pustaka sumber terbuka yang dirancang untuk …
Token maxxing melibatkan pembuatan input secara cermat untuk memanfaatkan kapasitas penuh …
Pembelajaran tiga faktor adalah pendekatan spesifik dalam pembelajaran penguatan yang …
TensorFlow Lite adalah kerangka kerja sumber terbuka yang dirancang untuk menerapkan …
Inferensi Generasi Teks (TGI) adalah kerangka kerja perangkat lunak khusus yang dirancang …
Regresi simbolik adalah jenis analisis regresi yang berupaya menemukan ekspresi …
Dalam pembelajaran mesin dan optimisasi, model pengganti berfungsi sebagai proksi untuk …
Minimisasi risiko struktural (SRM) adalah metode untuk meminimalkan risiko yang …
Regularisasi kelangkaan terstruktur memperluas regularisasi L1 standar dengan mendorong …
Pelipatan semantik mengacu pada proses mengompresi vektor embedding berdimensi tinggi dan …
Trik reparameterisasi adalah metode fundamental yang digunakan dalam autoencoder …
Regularisasi adalah konsep penting dalam pembelajaran mesin yang dirancang untuk …
Pemetaan fitur acak mengubah input ke ruang baru di mana model linier dapat …
Kuantisasi adalah teknik optimisasi model yang mengurangi presisi numerik parameter model …
Metode gradien proksimal adalah teknik optimasi iteratif yang digunakan ketika fungsi …
Penyetelan prompt melibatkan penambahan prompt lunak yang dapat dilatih (vektor kontinu) …
PagedAttention adalah teknik yang diperkenalkan oleh proyek vLLM untuk meningkatkan …
Dikembangkan oleh Intel, OpenVINO (Open Visual Inference and Neural network Optimization) …
MXFP4 (Mixed eXtended Floating Point 4-bit) adalah format tipe data khusus yang …
Metode pembaruan bobot perkalian adalah algoritma pembelajaran daring fundamental yang …
Teknik ini memanfaatkan bias induktif yang dibagikan antar tugas terkait untuk …
MobileNet memanfaatkan konvolusi terpisah kedalaman (depthwise separable convolutions) …
Kategori ini mencakup metode seperti pemangkasan (pruning), kuantisasi, dan distilasi …
Pelatihan Presisi Campuran (MPT) menggabungkan tipe data presisi setengah (FP16) dan …
Meta-pembelajaran berfokus pada perancangan algoritma yang dapat belajar dari tugas-tugas …
Regularisasi matriks memperluas konsep regularisasi skalar ke matriks, sering digunakan …
Hipotesis Tiket Lotere menyatakan bahwa dalam jaringan saraf besar yang diinisialisasi …
Sampling kasus-kontrol lokal adalah strategi yang digunakan terutama dalam melatih model …
Konsep ini berasal dari pembelajaran penguatan dan melibatkan agen yang berinteraksi …
Normalisasi Lapisan menstabilkan pelatihan dengan mengurangi pergeseran kovariat …
Distilasi pengetahuan adalah metode pembelajaran mesin yang digunakan untuk mengompresi …
Kompilasi pengetahuan merujuk pada teknik-teknik dalam kecerdasan buatan yang mengubah …
Seleksi instans bertujuan meningkatkan efisiensi komputasi dan kinerja model dengan …
Pencarian Heuristik Inkremental merujuk pada algoritma yang menyempurnakan kandidat …
Imatrix, singkatan dari Importance Matrix, adalah teknik yang terutama terkait dengan …
Optimasi Hipermeter (HPO) merujuk pada bidang luas otomatisasi pemilihan hipermeter. …
Penyetelan hipermeter melibatkan evaluasi berbagai set hipermeter untuk menemukan …
Paritas Risiko Hierarkis (HRP) adalah metode konstruksi portofolio yang mengatasi …
Strategi optimisasi ini memungkinkan model pembelajaran mendalam dilatih dengan ukuran …
Tidak ada istilah standar tunggal ‘GLM MoE DSA’. Namun, ini kemungkinan …
GGUF (GPT-Generated Unified Format) adalah format file biner yang dirancang khusus untuk …
Floating-point 8 (FP8) adalah tipe data numerik yang menawarkan keseimbangan antara …
Penyesuaian halus mengacu pada teknik mengambil model yang sudah dilatih pada dataset …
Pendekatan kebugaran digunakan dalam komputasi evolusioner ketika mengevaluasi fungsi …
Pengacakan fitur, yang juga dikenal sebagai trik pengacakan (hashing trick), memungkinkan …
Skala fitur menstandarkan rentang variabel masukan untuk mencegah fitur dengan besaran …
Rekayasa fitur adalah seni memanfaatkan keahlian domain untuk mentransformasi data mentah …
Dalam proses pengambilan keputusan, agen menghadapi pertukaran: mereka dapat …
Berbeda dengan algoritma genetika yang mempertahankan populasi, EO bekerja pada satu …
Dalam konteks komputasi, kemampuan berevolusi mengacu pada seberapa mudah algoritma atau …
Minimisasi Risiko Empiris (ERM) adalah fungsi tujuan standar untuk melatih model …
Dikembangkan oleh Google, EfficientNet menggunakan metode penskalaan kompaun untuk …
Praktik ini melibatkan penyebaran model AI yang telah dilatih langsung ke perangkat keras …
Istilah ini merujuk pada hubungan sinergis antara algoritma Expectation-Maximization (EM) …
Early stopping adalah bentuk regularisasi yang digunakan terutama dalam proses pelatihan …
DP-SGD adalah varian dari Stochastic Gradient Descent yang dirancang untuk melindungi …
Pipa LTX disesuaikan untuk model yang mengutamakan kecepatan dan efisiensi dalam tugas …
Pemangkasan adalah metode yang digunakan untuk mencegah overfitting pada model pohon …
Metode Entropi Silang (CEM) adalah algoritma optimasi serbaguna yang kuat dan digunakan …
Pembelajaran mesin sensitif biaya memperluas pembelajaran terawasi tradisional dengan …
Pembelajaran kontrastif adalah metode pembelajaran representasi yang tidak memerlukan …
Kecerdasan heuristik komputasional melibatkan algoritma yang menggunakan aturan praktis, …
Tensor terkompresi adalah array multidimensi yang digunakan dalam pembelajaran mendalam …
Dalam rekayasa pembelajaran mendalam, klip sering diterapkan pada gradien untuk mengatasi …
Dalam rekayasa AI, caching mengoptimalkan kinerja dengan menyimpan hasil kueri terbaru …
Optimasi Bayesian menggunakan model pengganti probabilistik, biasanya Proses Gaussian, …
Ukuran batch adalah hiperparameter kritis yang menentukan berapa banyak sampel yang …
Metode ini menyesuaikan dan menskalakan aktivasi agar memiliki rata-rata nol dan varians …
AlphaChip adalah sistem AI khusus yang dirancang untuk mengotomatisasi dan meningkatkan …
Seleksi algoritma melibatkan evaluasi berbagai pendekatan komputasi untuk menentukan mana …
Dalam masalah penemuan jalur dan pencarian, heuristik yang dapat diterima memberikan …
Bidang ini berfokus pada mempercepat komputasi aljabar linier fundamental, yang merupakan …
Pengujian A/B adalah eksperimen terkontrol secara acak di mana dua varian, A dan B, …
Koneksi residual, juga dikenal sebagai koneksi skip, memungkinkan gradien mengalir …
Kuantisasi mengonversi angka floating-point presisi tinggi (seperti FP32) menjadi format …
QLoRA menggabungkan Low-Rank Adaptation (LoRA) dengan kuantisasi 4-bit untuk secara …
Tingkat pembelajaran menentukan seberapa besar bobot model diperbarui relatif terhadap …
Desen gradien adalah algoritma optimisasi iteratif orde pertama untuk menemukan minimum …
Pelatihan Terdistribusi mempercepat konvergensi model dengan mem paralelkan komputasi di …
Adapter adalah teknik penyetelan halus yang efisien secara parameter, yang terutama …
Spesifik tugas merujuk pada model atau komponen AI yang disesuaikan untuk unggul dalam …
Dalam pembelajaran mesin dan optimasi, metode one-step menyelesaikan masalah secara …
Dalam kecerdasan buatan dan matematika, ‘orde pertama’ biasanya menggambarkan …
Penyetelan halus melibatkan pengambilan model yang telah dilatih sebelumnya pada dataset …
Transfer learning memanfaatkan model yang telah dilatih sebelumnya untuk meningkatkan …
Tuning melibatkan penyempurnaan model pembelajaran mesin untuk mencapai akurasi atau …
Dalam pengembangan AI, ‘menuju’ sering menggambarkan trajektori proses …
Penskalaan adalah metodologi aktif untuk memperluas sistem AI dengan menambahkan lebih …
Dalam AI, ‘rate’ paling sering merujuk pada tingkat pembelajaran, sebuah …
Dalam AI dan teori optimasi, solusi optimal adalah solusi yang mencapai metrik kinerja …
Fungsi loss, juga dikenal sebagai fungsi biaya, mengukur seberapa baik prediksi model …
LoRA membekukan bobot model pra-dilatih dan menyisipkan matriks dekomposisi yang dapat …
Istilah ‘global’ dalam AI biasanya berlawanan dengan ’lokal’, …
Istilah ‘cepat’ menggambarkan efisiensi komputasi dalam model kecerdasan …
Efisiensi adalah metrik kritis dalam kecerdasan buatan yang mengukur seberapa baik sebuah …
Proses ini melibatkan transfer pengetahuan dari jaringan saraf ‘guru’ yang …
Dalam konteks optimasi, divergensi terjadi ketika parameter model diperbarui dengan cara …
Konsep ini mencakup metode seperti pembelajaran ensambel, di mana prediksi dari beberapa …
Adam (Adaptive Moment Estimation) adalah algoritma optimisasi berbasis gradien orde …
Penalaan halus melibatkan pengambilan model yang sudah dilatih pada dataset umum yang …
Rekayasa prompt melibatkan pembuatan masukan spesifik, yang dikenal sebagai prompt, untuk …