এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
SMAC
বায়েসিয়ান অপ্টিমাইজেশন টুল যা এলগরিদম কনফিগারেশনের জন্য সারোগেট মডেল হিসেবে র্যান্ডম ফরেস্ট ব্যবহার করে, বিশেষত শ্রেণীবদ্ধ এবং শর্তাধীন হাইপারপ্যারামিটার স্পেসে কার্যকর।
এনসেম্বল নির্বাচন
স্বয়ংক্রিয়ভাবে অপ্টিমাইজড মডেলের একটি এনসেম্বল গঠনের প্রক্রিয়া যা প্রচুর প্রার্থীর মধ্য থেকে সেরা মডেলগুলোকে গতিশীলভাবে নির্বাচন ও ওজন করে।
অপ্টিমাইজড পাইপলাইন
ডেটা ট্রান্সফরমেশন এবং মেশিন লার্নিং মডেলের সম্পূর্ণ সিকোয়েন্স যা একটি প্রদত্ত ডেটাসেটে ভবিষ্যদ্বাণীমূলক পারফরম্যান্স সর্বাধিক করার জন্য স্বয়ংক্রিয়ভাবে অপ্টিমাইজ করা হয়।
বুটস্ট্র্যাপ এনসেম্বলিং
একটি এনসেম্বল টেকনিক যেখানে একাধিক মডেল ট্রেনিং ডেটাসেটের বিভিন্ন বুটস্ট্র্যাপ স্যাম্পলে প্রশিক্ষিত হয় ভ্যারিয়েন্স কমানো এবং জেনারালাইজেশন উন্নত করার জন্য।
এলগরিদম কনফিগারেশন
একটি নির্দিষ্ট সমস্যা ক্লাসের জন্য একটি প্রদত্ত এলগরিদমের সেরা হাইপারপ্যারামিটার কনফিগারেশন সিস্টেমেটিকভাবে অনুসন্ধানের প্রক্রিয়া।
শর্তাধীন অনুসন্ধান স্পেস
হাইপারপ্যারামিটারের স্পেস যেখানে কিছু প্যারামিটারের বৈধতা অন্যান্য প্যারামিটারের মানের উপর নির্ভর করে, যা অভিযোজিত অনুসন্ধান কৌশল প্রয়োজন করে।
অটো-স্কিকিট-লার্ন ২.০
অটো-স্কিকিট-লার্নের উন্নত সংস্করণ যা উন্নত সমান্তরালীকরণ মেকানিজম, মেটা-লার্নিং স্যাম্পলিং কৌশল এবং আরও কার্যকর এনসেম্বল ইন্টিগ্রেশন নিয়ে আসে।
মেটা-মডেল
একটি মডেল যা ডেটাসেটের মেটা-ফিচার ভিত্তিতে মেশিন লার্নিং এলগরিদমের পারফরম্যান্স ভবিষ্যদ্বাণী করতে প্রশিক্ষিত হয় এলগরিদম অনুসন্ধানকে নির্দেশনা দেওয়ার জন্য।
পারফরম্যান্স-ভিত্তিক মডেল নির্বাচন
বৈধতা ডেটাতে একাধিক কনফিগারেশনের পারফরম্যান্সের তুলনামূলক মূল্যায়নের ভিত্তিতে স্বয়ংক্রিয় মডেল নির্বাচনের কৌশল।
সম্পদ-সচেতন অপ্টিমাইজেশন
সময় এবং মেমোরির মতো গণনাগত সীমাবদ্ধতাগুলি বিবেচনা করে সর্বোত্তম পারফরম্যান্স-খরচ সমঝোতা খুঁজে বের করার অপ্টিমাইজেশন প্রক্রিয়া।