এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
অনিশ্চয়তার সীমা
মানব ওরাকল দ্বারা লেবেলিংয়ের জন্য ফ্লো স্যাম্পল নির্বাচনের জন্য প্রয়োজনীয় ন্যূনতম অনিশ্চয়তার স্তর নির্ধারণকারী সমালোচনামূলক প্যারামিটার।
স্যাম্পলিং কৌশল
পূর্বনির্ধারিত মানদণ্ড অনুযায়ী ম্যানুয়াল লেবেলিংয়ের যোগ্য ফ্লো ইনস্ট্যান্সগুলি সর্বোত্তমভাবে নির্বাচন করতে ব্যবহৃত অ্যালগরিদমিক পদ্ধতি।
ফ্লোতে শ্রেণীবিভাগ
রিয়েল-টাইম সীমাবদ্ধতা এবং সীমিত মেমরি সহ ক্রমান্বয়ে আগত ইনস্ট্যান্সগুলিতে লেবেল বরাদ্দ করার প্রক্রিয়া।
ইনস্ট্যান্স নির্বাচন
লেবেলিং ইউনিট প্রতি মডেল উন্নতি সর্বাধিক করার জন্য ফ্লোর সবচেয়ে তথ্যপূর্ণ নমুনা চিহ্নিতকারী বৈষম্যমূলক প্রক্রিয়া।
লেবেলিং ওরাকল
সাধারণত মানবীয় বাহ্যিক তথ্য উৎস যা সক্রিয় শিক্ষণ সিস্টেম দ্বারা নির্বাচিত ইনস্ট্যান্সগুলির জন্য সঠিক লেবেল সরবরাহ করে।
অনলাইন মূল্যায়ন
মডেলের কর্মক্ষমতার অবিচ্ছিন্ন মূল্যায়ন পদ্ধতি যা নতুন ইনস্ট্যান্স আসার সাথে সাথে নির্ভুলতা বা অন্যান্য মেট্রিক্স পরিমাপ করে।
সময়গত অভিযোজন
ফ্লোর বৈশিষ্ট্যগুলির সময়গত বিবর্তনের সাথে খাপ খাইয়ে নেওয়ার জন্য গতিশীলভাবে তার প্যারামিটার এবং কৌশলগুলি পরিবর্তন করার সিস্টেমের ক্ষমতা।
অন্বেষণ-ব্যবহার ভারসাম্য
নতুন স্থান অঞ্চল অন্বেষণ এবং শেখার অপ্টিমাইজ করার জন্য অর্জিত জ্ঞান ব্যবহারের মধ্যে ভারসাম্য বজায় রাখার মৌলিক দ্বিধা।
লেবেলিং লেটেন্সি
একটি উদাহরণের লেবেলিং অনুরোধ এবং সংশ্লিষ্ট লেবেল প্রাপ্তির মধ্যকার সময়গত বিলম্ব, যা সরাসরি স্ট্রীমিং পারফরম্যান্সকে প্রভাবিত করে।
ফ্লাক্স ঘনত্ব
স্ট্রীমে নমুনাগুলির আগমন ফ্রিকোয়েন্সি চিহ্নিত করার পরিমাপ, যা সরাসরি নির্বাচন কৌশল এবং লেবেলিং বাজেটকে প্রভাবিত করে।
নমুনা অগ্রাধিকারকরণ
লেবেলিং বাজেট বরাদ্দ অপ্টিমাইজ করার জন্য তাদের প্রত্যাশিত তথ্যমূল্য অনুসারে স্ট্রীমের উদাহরণগুলিকে র্যাঙ্ক করার অ্যালগরিদম।
ইনক্রিমেন্টাল আপডেট
শুরু থেকে সম্পূর্ণ পুনরায় প্রশিক্ষণের প্রয়োজন ছাড়াই বিদ্যমান মডেলে নতুন জ্ঞান ধাপে ধাপে যোগ করার কৌশল।
বর্জন কৌশল
অত্যধিক অনিশ্চয়তা বা সীমিত সম্পদের কারণে সিস্টেম যে শর্তে একটি উদাহরণ শ্রেণীবদ্ধ করতে অস্বীকার করে তা সংজ্ঞায়িত নীতি।
অর্জন ব্যয়
সক্রিয় শিক্ষার প্রসঙ্গে ওরাকল থেকে একটি লেবেল পাওয়ার জন্য প্রয়োজনীয় সময়, আর্থিক বা গণনামূলক সম্পদ।