قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
SMAC
أداة تحسين بايزية تستخدم الغابات العشوائية كنموذج بديل لتكوين الخوارزميات، فعالة بشكل خاص في مساحات المعلمات الفائقة الفئوية والشرطية.
Sélection d'Ensemble
عملية بناء تلقائي لمجموعة من النماذج المحسّنة عن طريق الاختيار والوزن الديناميكي لأفضل النماذج من بين مجموعة كبيرة من المرشحين.
Pipeline Optimisé
تسلسل كامل لتحويلات البيانات ونماذج التعلم الآلي محسّن تلقائيًا لتحقيق أقصى أداء تنبؤي على مجموعة بيانات معينة.
Bootstrap Ensembling
تقنية تجميع يتم فيها تدريب نماذج متعددة على عينات bootstrap مختلفة من مجموعة بيانات التدريب لتقليل التباين وتحسين التعميم.
Configuration d'Algorithme
عملية بحث منهجي عن أفضل تكوين للمعلمات الفائقة لخوارزمية معينة على فئة معينة من المشاكل.
Espace de Recherche Conditionnel
مساحة المعلمات الفائقة حيث تعتمد صحة بعض المعلمات على قيم معلمات أخرى، مما يتطلب استراتيجيات بحث تكيفية.
Auto-sklearn 2.0
نسخة محسّنة من Auto-sklearn مع آليات موازاة متقدمة، واستراتيجيات أخذ العينات للتعلم الميتا، وتكامل أكثر فعالية للمجموعات.
Meta-model
نموذج مدرب على التنبؤ بأداء خوارزميات التعلم الآلي بناءً على الميزات الميتا لمجموعات البيانات لتوجيه البحث عن الخوارزميات.
اختيار النموذج القائم على الأداء
استراتيجية اختيار تلقائي للنماذج تعتمد على التقييم المقارن لأداء تكوينات متعددة على بيانات التحقق.
التحسين الموجه للموارد
عملية تحسين تأخذ في الاعتبار القيود الحسابية مثل الوقت والذاكرة للعثور على أفضل توازن بين الأداء والتكلفة.