قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
اختبار انحدار النموذج
إجراء آلي للتحقق من أن النموذج الجديد أو الإصدار الجديد من خط الأنابيب لا يؤدي إلى تدهور الأداء مقارنة بالإصدار المرجعي على مجموعة بيانات اختبار ثابتة.
التحقق من انجراف البيانات
اختبار آلي يقارن التوزيع الإحصائي لبيانات الإنتاج الجديدة بتوزيع بيانات التدريب للكشف عن تغييرات هامة قد تؤثر على أداء النموذج.
اختبار التحيز
مجموعة من الأتمتة التي تقيس وتكمّن التحيزات المنهجية للنموذج تجاه المجموعات السكانية الفرعية المحددة لضمان العدالة والأخلاق الخوارزمية.
اختبار الامتثال
تحقق آلي من أن النموذج وبياناته تحترم اللوائح والمعايير المعمول بها، مثل اللائحة العامة لحماية البيانات (GDPR) لحماية البيانات الشخصية.
اختبار أداء زمن الاستجابة
قياس آلي لوقت استجابة النموذج في ظروف التحميل، مما يضمن احترامه لمتطلبات الوقت الفعلي لتطبيق في الإنتاج.
التحقق من اتساق الميزات
اختبار آلي يضمن أن الخصائص (features) المحسوبة بواسطة خط الأنابيب تحترم قيود المخطط والنطاق والقيمة التي يتوقعها النموذج.
اختبار استقرار خط الأنابيب
تحقق آلي من جميع مراحل خط أنابيب التعلم الآلي (المعالجة المسبقة، التدريب، الاستدلال) لضمان تنفيذه بشكل حتمي ودون أخطاء.
اختبار الأمان المناهض
تقييم آلي لمدى عرضة النموذج للهجمات بواسطة أمثلة متعارضة (adversarial examples)، المصممة لإحداث تنبؤات خاطئة.
اختبار الرتابة
التحقق التلقائي للنماذج حيث يُتوقع وجود علاقة رتيبة بين الميزة والتنبؤ، مع التأكد من أن زيادة الميزة تؤدي بالفعل إلى تنبؤ متزايد (أو متناقص).
التحقق من جودة البيانات (Data Quality Validation)
مجموعة من الاختبارات التلقائية التي تتحقق من شمولية البيانات، وفرديتها، وصحتها، وتناسقها قبل إدخالها في خط أنابيب التدريب أو الاستدلال.
اختبار تدهور المقاييس
مراقبة مستمرة تطلق تنبيهًا إذا انخفضت مقاييس أداء النموذج (مثل: درجة F1، AUC) أقل من العتبة المحددة مسبقًا على بيانات الإنتاج.
اختبار تكامل النموذج
التحقق التلقائي من التفاعل الصحيح بين النموذج المدرب والمكونات الأخرى للنظام، مثل واجهات برمجة التطبيقات (API)، وقواعد البيانات، وخدمات المراقبة.
اختبار الظل
تقنية يتم فيها نشر نموذج جديد بالتوازي مع نموذج الإنتاج، حيث يتلقى نفس حركة المرور الحقيقية ولكن دون التأثير على المستخدمين، لمقارنة أدائهم قبل التبديل.
اختبار تكرار التجربة
أتمتة تتحقق من إمكانية تكرار نتائج التدريب عن طريق تشغيل نفس خط الأنابيب مع بذور عشوائية ثابتة، مع ضمان أن التباينات طفيفة ويمكن التحكم فيها.
اختبار الكناري لنماذج التعلم الآلي
استراتيجية نشر يتم فيها عرض نسخة جديدة من النموذج على نسبة مئوية منخفضة من حركة مرور المستخدم في الإنتاج، مما يسمح بالتحقق في ظروف واقعية قبل النشر الكامل.
اختبار اعتماديات خط الأنابيب
التحقق التلقائي من أن جميع المكتبات وإصدارات البرامج والموارد الخارجية المطلوبة من قبل خط أنابيب التعلم الآلي موجودة ومتوافقة في بيئة التنفيذ المستهدفة.