D

حرف D

Letter D

کلمات توضیح
۱ Data Analysis

درک داده‌ها با در نظر گرفتن نمونه‌ها و اندازه‌گیری و تصویرسازی از آن‌ها. داده‌کاوی به ویژه هنگامی که مجموعه داده‌ای برای اولین بار دریافت می‌شود می‌تواند برای فردی که می‌خواهد اولین مدل را آموزش دهد...

۲ Data Augmentation

افزایش مصنوعی بازه و تعداد نمونه‌های آموزش با تغییر نمونه‌های موجود. به عنوان مثال، فرض کنید تصاویر یکی از ویژگی‌های مورد استفاده شما هستند، اما مجموعه داده تعداد کافی نمونه تصویر برای آموزش کاربردی...

۳ Dataset

مجموعه‌ای از نمونه‌ها.

۴ DataFrame

یک نوع داده معروف برای نمایش مجموعه داده‌ها در pandas. DataFrame ساختاری مشابه جدول دارد. هر ستون آن یک نام یا سرتیتر‌ (header) دارد و هر ردیف با یک شماره مشخص می‌شود.

۵ Decision Boundary

مرزی که کلاس‌های مختلف را از هم جدا می‌کند و توسط یک مدل در یک مساله طبقه‌بندی دوتایی یا چندتایی یاد گرفته شده است. به عنوان مثال، در تصویر زیر که یک مساله دسته‌بندی دوتایی را نشان می‌دهد، مرز بین دو...

۶ Decision Threshold

مترادف‌‌ها: آستانه دسته‌بندی (classification threshold)

۷ Decision Tree

مدلی که به عنوان دنباله ای از انشعاب‌ها نشان داده می‌شود. به عنوان مثال، درخت تصمیم‌ ساده‌سازی‌شده زیر برای پیش‌بینی قیمت خانه ( هزار دلار) دارای چندین شاخه است. بر اساس این درخت تصمیم، پیش‌بینی...

۸ Deep Model

نوعی از شبکه‌های عصبی که دارای چندین لایه پنهان (hidden layer) هستند. متضاد: مدل‌های گسترده (wide model)

۹ Deep Neural Network

مترادفی برای مدل عمیق است.

۱۰ Deep Q-network (DQN)

در یادگیری Q ، یک شبکه‌ی عصبی عمیق است که توابع Q را پیش‌بینی می‌کند. می‌توان گفت نقاد (Critic) مترادفی برای شبکه‌ی عمیق Q است.

۱۱ Demographic Parity

یک معیار سنجش برابری است برای زمانی که پاسخ مدل به یک ویژگی حساس وابسته نباشد. به عنوان مثال اگر دو گروه از افراد کوتاه و بلند قامت برای یک دانشگاه درخواست بفرستند، در صورت پذیرش درصد مساوی از هر دو...

۱۲ Dense Feature

ویژگی‌ای که در آن بیشتر مقادیر غیر صفراند . به طور معمول یک تنسور از مقادیر شناور، در تضاد با ویژگی پراکنده است.

۱۳ Dense Layer

مترادفی برای لایه کاملاً همبند است.

۱۴ Depth

تعداد لایه‌ها (از جمله هر لایه‌ی تعبیه شده) در یک شبکه عصبی که وزن‌ها را یاد می‌گیرند. به عنوان مثال، یک شبکه عصبی با ۵ لایه پنهان و ۱ لایه خروجی دارای عمق ۶ است.

۱۵ Depthwise Separable Convolutional Neural Network (sepcnn)

یک معماری شبکه‌ی عصبی کانولوشنال مبتنی بر Inception است که ماژول‌های آن با کانولوشن کانال‌های تفکیک‌پذیر جایگزین می‌شوند. همچنین به عنوان Xception شناخته می‌شود. کانولوشن کانال‌های تفکیک‌پذیر یک...

۱۶ Dimension Reduction

کاهش تعداد ابعاد مورد استفاده برای نشان دادن یک ویژگی خاص درz یک بردار ویژگی که به طور معمول با تبدیل به تعبیه صورت می‌گیرد.

۱۷ Dimensions

با هر یک از عبارات زیر قابل تعریف است: تعداد سطوح مختصات در یک تنسور. مثلا: یک مقیاس دارای ابعاد صفر است. به عنوان مثال : ["سلام"] یک وکتور یک بعد دارد. به عنوان مثال : [3 ، 5 ، 7...

۱۸ Discrete Feature

یک ویژگی با مجموعه محدودی از مقادیر ممکن است. به عنوان مثال ویژگی‌ای که مقادیر آن فقط ممکن است حیوانی، نباتی یا معدنی باشد یک ویژگی گسسته یا طبقه بندی شده است.( در تضاد با ویژگی پیوسته)

۱۹ Discriminative Model

مدلی که برچسب‌ها را از مجموعه‌ای از یک یا چند ویژگی، پیش‌بینی می‌کند. به طور کلی‌تر مدل‌های تشخیص‌دهنده احتمال شرطی یک خروجی را با توجه به ویژگی‌ها و وزن‌ها تعریف می‌کنند. به این صورت که: (خروجی |...

۲۰ Discriminator

سیستمی که مشخص می‌کند نمونه‌ها واقعی یا ساختگی هستند و به عنوان یک زیر سیستم در شبکه‌ی مولد تخاصمی بر کار مولد نظارت می‌کند.

۲۱ Disparate Impact

تصمیم‌گیری نامتناسب در مورد افرادی که تحت تاثیر گروه‌های مختلف جامعه قرار دارند. معمولا در شرایطی که یک فرآیند تصمیم‌گیری الگوریتمی بجای سود، به بعضی از زیر گروه‌ها آسیب می‌رساند. به عنوان مثال...

۲۲ Disparate Treatment

ویژگی‌های حساس فاکتورسازی را به گونه‌ای در یک فرآیند تصمیم گیری الگوریتمی قرار می‌دهد که با زیر گروه‌های مختلف از مردم متفاوت رفتار می‌شود(تبعیض). به عنوان مثال الگوریتمی را در نظر بگیرید که صلاحیت...

۲۳ Divisive Clustering

خوشه‌بندی سلسله مراتبی را ببینید.

۲۴ Downsampling

با هر یک از عبارات زیر قابل تعریف است: به منظور آموزش کارآمدتر مدل، مقدار اطلاعات موجود در یک ویژگی را کاهش می‌دهد. به عنوان مثال قبل از آموزش یک مدل تشخیص تصویر، تصاویر با وضوح بالا را به یک فرمت با...

۲۵ DQN

اختصار Deep Q-Network.

۲۶ Dropout Regularization

نوعی تنظیم کارآمد در آموزش شبکه‌های عصبی است که با حذف یک انتخاب تصادفی از تعداد ثابت واحدهای یک لایه شبکه کار می کند. هرچه واحدها بیشتر از بین بروند، نظم و انعطاف پذیری قوی‌تر می‌شود.که شبیه به آموزش...

۲۷ Dynamic Model

مدلی که آنلاین و به صورت پیوسته آموزش داده می‌شود.یعنی داده‌ها بطور پیوسته وارد مدل می‌شوند.