Müfredat Öğrenimi
Definition
Müfredat öğrenimi, basit örnekle başlayıp kademeli olarak karmaşıklığı artırarak eğitim …
Terms tagged with Optimization
Müfredat öğrenimi, basit örnekle başlayıp kademeli olarak karmaşıklığı artırarak eğitim …
VAD algoritmaları, arka plan gürültüsü veya duraklamalar gibi konuşma dışı aralıklardan …
Unsloth, Büyük Dil Modellerinin (LLM) ince ayarını ve dağıtımını optimize etmek için …
vLLM (Virtual Large Language Model), LLM sunumunu hızlandırmak için tasarlanmış açık …
Token maxxing, bir modelin bağlam penceresinin tam kapasitesini kullanmak veya daha iyi …
Üç faktörlü öğrenme, pekiştirmeli öğrenme içinde öğrenme sürecini üç ayrı bileşene ayıran …
TensorFlow Lite, akıllı telefonlar, mikrodenetleyiciler ve Nesnelerin İnterneti (IoT) …
Metin Üretimi Çıkarımı (TGI), düşük gecikme süresi ve yüksek veri akışı ile büyük dil …
Sembolik regresyon, gözlemlenen verilere en uygun şekilde oturan, genellikle bir ağaç …
Makine öğrenimi ve optimizasyonda, yedek model doğrudan değerlendirilmesi zor olan hedef …
Yapılandırılmış seyrekleştirme düzenlileştirmesi, standart L1 düzenlileştirmesinin …
Yapısal risk minimizasyonu (SRM), aşırı öğrenmeyi önlemek için model karmaşıklığını …
Semantik katlama, karmaşık, yüksek boyutlu vektör gömme (embedding) yapılarının anlamsal …
Yeniden parametreleştirme hilesi, varyasyonsel otoenkoderler ve diğer olasılıksal …
Düzenlileştirme, genel makine öğreniminde kritik bir kavramdır ve eğitim hatını önemli …
Rastgele özellik haritalamaları, girdileri doğrusal modellerin doğrusal olmayan çekirdek …
Kantile etme, makine öğrenmesi modelinin parametrelerinin sayısal hassasiyetini azaltan …
Proksimal gradyan yöntemleri, kayıp fonksiyonunda türevlenebilir düzgün bir terim ve L1 …
Prompt ayarlama, altta yatan model parametreleri dondurulurken önceden eğitilmiş bir dil …
PagedAttention, vLLM projesi tarafından büyük dil modeli çıkarımının verimliliğini …
Intel tarafından geliştirilen OpenVINO (Open Visual Inference and Neural network …
MXFP4 (Mixed eXtended Floating Point 4-bit), AI yüklerinde performansı optimize etmek ve …
Çarpimsel ağırlık güncelleme yöntemi, belirsiz ortamlarda karar vermekte kullanılan temel …
Bu teknik, ilişkili görevler arasında paylaşılan indüksiyon yanlılığını kullanarak …
MobileNets, standart konvolüsyonlara kıyasla hesaplama maliyetini ve model boyutunu …
Bu kategori, performansı korurken model izini küçültmeyi amaçlayan budama, nicelleme ve …
Karışık Hassasiyetli Eğitim (MPT), sinir ağı eğitiminde yarım hassasiyetli (FP16) ve tam …
Meta-öğrenme, yeni ve daha önce görülmemiş görevlerdeki performansı artırmak için önceki …
Matris düzenlemesi, skaler düzenleme kavramlarını matrislere genişletir ve genellikle çok …
Piyango Bileti Hipotezi, büyük ve rastgele başlatılmış bir sinir ağı içinde, eğitim için …
Yerel vaka-kontrol örnekleme, öncelikli olarak karşıtlık öğrenmesi modellerini veya öneri …
Bu kavram pekiştirmeli öğrenmeden kaynaklanır ve bilinmeyen bir ortamla etkileşime giren …
Katman Normalizasyonu, iç kovaryans kaymasını azaltarak eğitimi stabilize eder; özellikle …
Bilgi damıtma, büyük ve karmaşık bir sinir ağını (öğretmen) daha küçük ve verimli bir …
Bilgi derlemesi, bir bilgi tabanını veya mantıksal teoriyi, doyurulabilirlik …
Örnek seçimi, gereksiz veya gürültülü veri noktalarını kaldırarak hesaplama verimliliğini …
Artımlı Sezgisel Arama, hedefe ulaşma maliyetini tahmin eden sezgilerle yönlendirilerek …
Önem Matrisi’nin kısaltması olan Imatrix, öncelikle GGML tabanlı LLM eğitimi ve …
Hiperparametre ayarlama, en iyi model doğruluğunu veya en düşük hata oranını veren …
Hiperparametre Optimizasyonu (HPO), hiperparametre seçimini otomatikleştirme alanına …
Hiyerarşik Risk Paritesi (HRP), geleneksel ortalama-varans optimizasyonunun …
Bu optimizasyon stratejisi, derin öğrenme modellerinin GPU belleğine sığandan daha büyük …
‘GLM MoE DSA’ tek bir standart terim değildir. Ancak büyük olasılıkla GLM …
GGUF (GPT-Generated Unified Format), büyük dil modellerinin tüketici sınıfı donanımlarda …
Kayar Noktalı 8 (FP8), modern yapay zeka donanımı için özel olarak optimize edilmiş, …
İnce ayarlama, zaten büyük ve genel bir veri kümesinde eğitilmiş bir modeli alıp, daha …
Gerçek uygunluk fonksiyonunun değerlendirilmesi hesaplama açısından pahalı veya zaman …
Hashleme hilesi olarak da bilinen Özellik Hashleme, makine öğrenmesi modellerinin açık …
Özellik ölçeklendirme, daha büyük büyüklüklere sahip özelliklerin öğrenme sürecini baskın …
Özellik mühendisliği, ham veriyi makine öğrenimi algoritmaları için altta yatan desenleri …
Bir popülasyon koruyan genetik algoritmaların aksine, EO tek bir çözüm üzerinde çalışır. …
Karar verme süreçlerinde ajanlar bir ödünleşimle karşılaşır: en iyi anlık ödülü almak …
Bilişsel bağlamlarda evrilebilirlik, bir algoritmanın veya sinir ağı mimarisinin nesiller …
Ampirik Risk Minimizasyonu (ERM), denetimli öğrenme modellerini eğitmek için kullanılan …
Google tarafından geliştirilen EfficientNet, ağ derinliği, genişliği ve giriş görüntüsü …
Bu uygulama, eğitilmiş yapay zeka modellerini doğrudan akıllı telefonlar, IoT sensörleri …
Bu terim, Bekleme-Maksimizasyon (EM) algoritması ile Gauss Karışım Modelleri (GMM) …
Erken durdurma, gradyan inişi gibi iteratif eğitim süreçlerinde kullanılan bir …
DP-SGD, eğitim verisinin gizliliğini korumak üzere tasarlanmış Stokastik Gradyan …
LTX boru hattı, jeneratif görevlerde hız ve verimliliği önceliklendiren modeller için …
Budama, tahmine gücü zayıf olan dalları kaldırarak karar ağacı modellerinde aşırı …
Çapraz Entropi Yöntemi (CEM), hem ayrık hem de sürekli problemler için kullanılan güçlü, …
Maliyet duyarlı makine öğrenmesi, farklı hata türlerine farklı cezalar atayarak …
Karşıtlıklı öğrenme, etiketlenmiş veri gerektirmeyen bir temsil öğrenme yöntemidir. Aynı …
Hesaplamalı sezgisel zeka, makul zaman çerçeveleri içinde tatmin edici çözümler bulmak …
Sıkıştırılmış tensörler, derin öğrenmede kullanılan çok boyutlu dizilerdir ve sayısal …
Derin öğrenme mühendisliğinde kırpma, genellikle patlayan gradyan sorununu hafifletmek ve …
Yapay zeka mühendisliğinde önbellekleme, yakın zamanda veya sıklıkla istenen sorgu …
Bayesçi optimizasyon, amaç fonksiyonunu modellemek için genellikle bir Gaus Süreci olan …
Toplu boyut, modelin iç parametreleri güncellenmeden önce işlenen örnek sayısını …
Bu yöntem, eğitim sırasında her mini-batch içindeki aktivasyonları ortalaması sıfır ve …
AlphaChip, mikroçiplerdeki bileşenlerin yerleştirilmesi ve bağlantılarının (routing) …
Algoritma seçimi, verilen bir görevi en verimli şekilde hangi yöntemin çözeceğini …
Yol bulma ve arama problemlerinde, kabul edilebilir bir sezgisel fonksiyon hedef düğüme …
Bu alan, makine öğrenimi ve bilimsel simülasyonların temelini oluşturan temel doğrusal …
A/B testi, belirli bir metrikte hangi varyantın daha iyi sonuç verdiğini değerlendirmek …
Atlayıcı bağlantılar olarak da bilinen artımlı bağlantılar, bir girdiyi sonraki bir …
Nicelleme, yüksek hassasiyetli kayan nokta sayılarını (örneğin FP32) daha düşük …
QLoRA, Düşük Ranklı Uyarlamayı (LoRA) 4-bit nicelleme ile birleştirerek devasa modelleri …
Öğrenme oranı, her eğitim yinelemesinde hesaplanan gradiente göre model ağırlıklarının ne …
Gradyan inişi, türevlenebilir bir fonksiyonun yerel bir minimumunu bulmak için kullanılan …
Dağıtık Eğitim, hesaplamayı birden fazla GPU veya düğüm üzerinde paralelleştirerek model …
Adaptörler, öncelikle büyük dil modellerinde ve dönüştürücülerde kullanılan parametre …
Göreve özgü, nesne algılama veya dil çevirme gibi dar bir hedef setinde üstün performans …
Makine öğrenmesi ve optimizasyonda, tek adımlı yöntemler yakınsamak için birden fazla …
Yapay zeka ve matematikte ‘birinci derece’, genellikle daha yüksek dereceli …
İnce ayarlama, zaten büyük ve genel bir veri setinde eğitilmiş bir modeli alıp, daha …
Ayarlama, daha iyi doğruluk veya verimlilik elde etmek için bir makine öğrenimi modelini …
Transfer öğrenimi, yeni ve ilgili görevlerde performansı artırmak ve eğitim süresini …
Yapay zeka geliştirmede ‘yöne’ genellikle optimizasyon süreçlerinin seyri, …
Ölçeklendirme, yapay zeka sistemlerini daha fazla katman, nöron veya eğitim örneği …
Yapay zekada ‘oran’ en sık öğrenme oranına atıfta bulunur; bu, model …
Yapay zeka ve optimizasyon teorisinde, optimal çözüm; pekiştirmeli öğrenmede maksimum …
Maliyet fonksiyonları olarak da bilinen kayıp fonksiyonları, makine öğrenimi modelinin …
LoRA, önceden eğitilmiş model ağırlıklarını dondurur ve Dönüştürücü mimarisinin her …
Yapay zekada ‘global’ terimi genellikle ‘yerel’ ile zıtlık …
‘Hızlı’ terimi, yapay zeka modellerinde hesaplama verimliliğini tanımlar; …
Verimlilik, bir modelin veya algoritmanın mevcut kaynakları ne kadar iyi kullandığını …
Bu süreç, karmaşık ve yüksek performanslı bir ‘öğretmen’ sinir ağından daha …
Optimizasyon bağlamında irklaşma, model parametrelerinin kaybı azaltmak yerine artıracak …
Bu kavram, varyans veya önyargıyı azaltmak için birkaç modelden gelen tahminlerin …
Adam (Adaptive Moment Estimation), derin sinir ağlarının eğitiminde kullanılan popüler …
İnce ayar, büyük ve genel bir veri setinde zaten eğitilmiş bir modeli alıp, …
Prompt mühendisliği, jeneratif yapay zeka modellerinden doğru, ilgili ve yüksek kaliteli …