| کلمات | توضیح | |
|---|---|---|
| ۱ | i.i.d. |
مخفف توزیع شده به صورت مستقل و یکسان. |
| ۲ | Image Recognition |
پروسه ای که طی ان شی (اشیا), الگو(ها) یا مفهوم(مفاهیم) موجود در یک عکس طبقه بندی می شوند.تشخیص تصویر به عنوان طبقه بندی تصویر نیز شناخته می شود. برای اطلاعات بیشتر این لینک را مشاهده کنید. |
| ۳ | Imbalanced Dataset |
مترادفی برای مجموعه‌داده دسته نامتوازن است. |
| ۴ | Implicit Bias |
فرد براساس الگوی فکری و خاطراتش ارتباط یا گمانی به طور غیرارادی فرض می کند.سوگیری ضمنی می تواند بر موارد زیر تاییر بگذارد: چگونگی جمع اوری و دسته بندی داده چگونگی طراحی و توسعه سیستم های یادگیری... |
| ۵ | In-group Bias |
طرفداری یا تعصب نشان دادن برای گروه یا مشخصات خود.اگر ازمونگر ها و ارزیاب ها (یک پروژه یادگیری ماشین) دوستان, خانواده یا همکاران توسعه دهنده یادگیری ماشین باشند, سوگیری بین گروهی می تواند ازمایش محصول... |
| ۶ | Incompatibility Of Fairness Metrics |
این گمان که برخی از مفاهیم عدالت با یکدیگر ناسازگارند و نمی توانند به طور همزمان ارضا شوند.در نتیجه این گمان, یک معیار جهانی برای کمی سازی عدالت که در همه مسائل یادگیری ماشین قابل پیاده سازی باشد وجود... |
| ۷ | Independently and Identically Distributed (i.i.d) |
داه ای که از توزیعی گرفته شده است که تغییر نمی کند و هر مقدار گرفته شده در این داده ارتباطی با مقداری که از قبل گرفته شده است ندارد.یک i.i.d گاز ایده ال یادگیری ماشین است - یک ساختار ریاضی مفید که... |
| ۸ | Individual Fairness |
معیار تساوی که بررسی می کند ایا افراد مشابه یکسان طبقه بندی شده اند یا خیر.برای مثال یک دانشگاه برای برقرار کردن تساوی و انصاف ممکن است اطمینان حاصل کند که حتما دو دانش اموز با نمرات یکسان و نمرات... |
| ۹ | Inference |
در یادگیری ماشین, معمولا به فرایند پیش بینی کردن از طریق اجرا کردن نمونه های بدون برچسب روی مدل اموزش دیده گفته می شود.در امار, به فرایند برازاندن مولفه های یک توزیع براساس برخی از داده های مشاهده شده... |
| ۱۰ | Input Layer |
اولین لایه در یک شبکه عصبی (که داده ی ورودی را دریافت می کند.) |
| ۱۱ | Instance |
هم معنی نمونه. |
| ۱۲ | Inter-rater Agreement |
سنجش میزان توافق بین ارزیابان در هنگام انجام یک کار.(یک نمره که درجه ی همگونی و توافق را در ارزیابی های داده شده توسط چندین کارشناس معین می کند.).اگر ارزیابان (هنگام انجام یک کار) یا یکدیگر مخالف... |
| ۱۳ | Interpretability |
درجه سختی توضیح پیش بینی های یک مدل.مدل های عمیق معمولا غیرقابل تفسیر می باشند بدین معنی که لایه های مختلف یک مدل عمیق به سختی قابل رمزگشایی می باشند.در مقابل ان مدل های رگرسیون خطی و مدل های گسترده... |
| ۱۴ | Intersection Over Union (iou) |
اشتراک دو مجموعه تقسیم بر اجتماعشان.در یادگیری ماشین در کارهای تشخیص در تصویر اشتراک بر اجتماع برای اندازه گیری دقت کادر محصورکننده پیش بینی شده توسط مدل در مقایسه با کادر محصورکننده حقیقی استفاده می... |
| ۱۵ | IoU |
مخفف اشتراک بر اجتماع یا Intersection Over Union است. |
| ۱۶ | Item Matrix |
ماتریسی که در سیستم‌های توصیه‌گر از ویژگی‌های ساخته شده توسط عامل‌بندی ماتریس که سیگنال‌های نهفته درباره هر آیتم را نگهداری می‌کند ایجاد می‌شود. هر ردیف از ماتریس آیتم، مقدار یک ویژگی نهفته را برای... |
| ۱۷ | Items |
اقلامی که یک سیستم توصیه‌گر از بین آن‌ها پیشنهاد می‌دهد. به عنوان مثال، برای یک سیستم توصیه‌گر در یک کتاب‌فروشی، کتاب‌ها آیتم حساب می‌شوند. |
| ۱۸ | Iteration |
هر بروزرسانی بر روی وزن‌های مدل در حین فرآیند آموزش. یک تکرار شامل محاسبه گرادیان‌های پارامترهای شبکه با در نظر گرفتن مقدار زیان شبکه بر روی یک دسته (batch) از داده‌ها است. |