এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
স্প্লিট লার্নিং
একটি সহযোগী শিক্ষণ পদ্ধতি যেখানে নিউরাল নেটওয়ার্ক মডেল ক্লায়েন্ট এবং সার্ভারের মধ্যে বিভক্ত করা হয়, যা কাঁচা ডেটা শেয়ার না করেই শিক্ষণ সক্ষম করে।
স্প্লিটএনএন
একটি বিভক্ত নিউরাল নেটওয়ার্ক আর্কিটেকচার যেখানে প্রাথমিক স্তরগুলি ক্লায়েন্টে এবং গভীর স্তরগুলি সার্ভারে চলে।
কাট লেয়ার
ক্লায়েন্ট এবং সার্ভারের মধ্যে নিউরাল নেটওয়ার্ক মডেলের বিভাজন বিন্দু, যা নির্ধারণ করে যে গণনার কোন অংশ স্থানীয়ভাবে সম্পাদিত হয়।
ক্লায়েন্ট-সাইড মডেল
ক্লায়েন্টের ডিভাইসে চলমান নিউরাল নেটওয়ার্ক মডেলের অংশ, যা ডেটা প্রেরণ না করেই প্রক্রিয়া করে।
সার্ভার-সাইড মডেল
সার্ভারে হোস্ট করা নিউরাল নেটওয়ার্ক মডেলের অংশ, যা প্রাপ্ত আংশিক অ্যাক্টিভেশন থেকে ইনফারেন্স সম্পূর্ণ করে।
ভার্টিক্যাল স্প্লিট লার্নিং
একটি বৈকল্পিক যেখানে মডেলটি বিভিন্ন স্তরের মধ্যে উল্লম্বভাবে বিভক্ত করা হয়, ক্লায়েন্ট এবং সার্ভারের মধ্যে গণনা বন্টন করে।
হরাইজন্টাল স্প্লিট লার্নিং
একটি পদ্ধতি যেখানে বৈশিষ্ট্যগুলি অনুভূমিকভাবে বিভিন্ন সত্তার মধ্যে বিভক্ত করা হয় যারা একই মডেলে সহযোগিতা করে।
মডেল পার্টিশনিং
একটি কৌশলগত প্রক্রিয়া যার মাধ্যমে একটি এআই মডেলকে বিভিন্ন অবকাঠামোর মধ্যে বিতরণ করা সেগমেন্টে বিভক্ত করা হয়।
গোপনীয়তা-সংরক্ষণকারী মেশিন লার্নিং
ব্যবহারকারীদের সংবেদনশীল তথ্য প্রকাশ না করে মেশিন লার্নিং সক্ষম করার কৌশলগুলির সমষ্টি।
যোগাযোগ ওভারহেড
বিতরণকৃত আর্কিটেকচারে ক্লায়েন্ট এবং সার্ভারের মধ্যে বিনিময়ের কারণে ব্যান্ডউইথ এবং লেটেন্সি খরচ।
লেটেন্সি অপ্টিমাইজেশন
বিতরণকৃত সিস্টেমে প্রতিক্রিয়া সময় হ্রাস করার জন্য স্প্লিট লার্নিংয়ের সমালোচনামূলক চ্যালেঞ্জ।
অ্যাক্টিভেশন স্ম্যাশিং
সম্ভাব্য আক্রমণ যেখানে ইনপুট ডেটা পুনর্গঠনের জন্য মধ্যবর্তী অ্যাক্টিভেশনগুলি বিশ্লেষণ করা হয়।
সহযোগী বুদ্ধিমত্তা
একাধিক সত্তা পারস্পরিকভাবে উপকারী শেখার জন্য তাদের গণনামূলক সম্পদ একত্রিত করার ধারণা।
মডেল ইনফারেন্স
প্রশিক্ষিত মডেল ব্যবহার করে ভবিষ্যদ্বাণী করার পর্যায়, স্প্লিট লার্নিং প্রসঙ্গে বিতরণকৃত।