Makine Öğrenmesi & Eğitim Terimleri

A1 terim

Aşırı ÖğrenmeOverfittingAşırı öğrenme, bir modelin eğitim verisini ezberleyecek kadar iyi öğrenip yeni ve görmediği verilerde kötü sonuç vermesidir.

D6 terim

DamıtmaKnowledge DistillationDamıtma, büyük ve güçlü bir "öğretmen" modelin bilgisinin daha küçük ve hızlı bir "öğrenci" modele aktarılmasıdır.Denetimli ÖğrenmeSupervised LearningDenetimli öğrenme, modelin doğru cevapları (etiketleri) bilinen örneklerle eğitildiği ve yeni örnekler için bu cevapları tahmin etmeyi öğrendiği yöntemdir.Denetimsiz ÖğrenmeUnsupervised LearningDenetimsiz öğrenme, etiketsiz verideki gizli yapıları, grupları ve örüntüleri modelin kendi başına bulduğu yöntemdir.Doğrulama ve Test VerisiValidation & Test DataDoğrulama ve test verisi, modelin eğitimde hiç görmediği örneklerle başarısını ölçmek için ayrılan veri bölümleridir.DPODirect Preference OptimizationDPO (doğrudan tercih optimizasyonu), ayrı bir ödül modeli ve pekiştirmeli öğrenme döngüsü kullanmadan, insan tercih verisiyle dil modelini doğrudan eğiten yöntemdir.DüzenlileştirmeRegularizationDüzenlileştirme, modelin aşırı öğrenmesini önlemek için onu daha basit ve genellenebilir çözümlere yönlendiren tekniklerin genel adıdır.

E3 terim

Eğitim VerisiTraining DataEğitim verisi, bir modelin öğrenme sürecinde parametrelerini ayarlamak için kullandığı örneklerin tamamıdır.Eksik ÖğrenmeUnderfittingEksik öğrenme, bir modelin verideki örüntüleri yakalayamayacak kadar basit kalması ya da yeterince eğitilmemesi nedeniyle hem eğitim hem de yeni veride kötü sonuç vermesidir.EpochEpoch, eğitim sırasında modelin eğitim verisinin tamamını bir kez baştan sona görmesidir.

G1 terim

Gradyan İnişiGradient DescentGradyan inişi, modelin hata (kayıp) değerini azaltmak için parametrelerini hatanın en hızlı düştüğü yönde küçük adımlarla güncelleyen optimizasyon yöntemidir.

H1 terim

HiperparametreHyperparameterHiperparametre, eğitim başlamadan önce insanlar tarafından belirlenen ve eğitimin nasıl yapılacağını kontrol eden ayardır.

İ1 terim

İnce AyarFine-tuningİnce ayar, önceden eğitilmiş bir modelin belirli bir görev, alan ya da üslup için daha küçük ve özel bir veri setiyle yeniden eğitilmesidir.

K4 terim

Karar AğacıDecision TreeKarar ağacı, veriyi bir dizi "evet / hayır" sorusuyla dallara ayırarak tahmin yapan, yorumlanması kolay bir makine öğrenmesi modelidir.Kayıp FonksiyonuLoss FunctionKayıp fonksiyonu, modelin tahmini ile doğru cevap arasındaki farkı tek bir sayıyla ölçen ve eğitimde küçültülmeye çalışılan fonksiyondur.Kendi Kendine Denetimli ÖğrenmeSelf-supervised LearningKendi kendine denetimli öğrenme, etiketleri insanlar yerine verinin kendisinden üreterek modeli eğiten yöntemdir.KümelemeClusteringKümeleme, birbirine benzeyen verileri önceden etiket vermeden otomatik olarak gruplara ayıran denetimsiz öğrenme görevidir.

L1 terim

LoRALow-Rank AdaptationLoRA, büyük bir modelin tüm parametrelerini değiştirmek yerine küçük ek katmanlar eğiterek çok daha ucuz ve hızlı ince ayar yapmayı sağlayan yöntemdir.

Ö4 terim

Ödül ModeliReward ModelÖdül modeli, bir cevabın insanlar tarafından ne kadar beğenileceğini puanlamak için eğitilen ve RLHF'te dil modeline yol gösteren yardımcı modeldir.Öğrenme OranıLearning RateÖğrenme oranı, eğitim sırasında model parametrelerinin her güncellemede ne kadar büyük adımlarla değiştirileceğini belirleyen hiperparametredir.ÖzellikFeatureÖzellik, bir modelin tahmin yaparken kullandığı, verinin ölçülebilir her bir niteliğidir.Özellik MühendisliğiFeature EngineeringÖzellik mühendisliği, ham veriden modelin daha iyi öğrenebileceği yeni ve anlamlı özellikler üretme işidir.

P1 terim

Pekiştirmeli ÖğrenmeRL · Reinforcement LearningPekiştirmeli öğrenme, bir ajanın deneme yanılma yoluyla çevresiyle etkileşerek ödülünü en üst düzeye çıkaracak davranışları öğrendiği yöntemdir.

R3 terim

Rastgele OrmanRandom ForestRastgele orman, çok sayıda karar ağacını verinin farklı parçalarıyla eğitip bunların tahminlerini birleştiren topluluk (ensemble) yöntemidir.RegresyonRegressionRegresyon, girdilere bakarak sayısal bir değeri (fiyat, sıcaklık, satış miktarı gibi) tahmin eden makine öğrenmesi görevidir.RLHFReinforcement Learning from Human FeedbackRLHF (insan geri bildirimiyle pekiştirmeli öğrenme), dil modellerini insanların tercih ettiği cevaplara göre eğiterek daha yardımsever, dürüst ve güvenli hâle getirme yöntemidir.

S1 terim

SınıflandırmaClassificationSınıflandırma, bir girdinin önceden belirlenmiş kategorilerden hangisine ait olduğunu tahmin eden makine öğrenmesi görevidir.

T1 terim

Transfer ÖğrenmeTransfer LearningTransfer öğrenme, bir görev için öğrenilen bilginin başka ama ilişkili bir görevi öğrenmek için yeniden kullanılmasıdır.

Y3 terim

Yarı Denetimli ÖğrenmeSemi-supervised LearningYarı denetimli öğrenme, az miktarda etiketli veriyi çok miktarda etiketsiz veriyle birlikte kullanarak model eğitme yöntemidir.Yığın BoyutuBatch SizeYığın boyutu, eğitim sırasında model parametreleri güncellenmeden önce birlikte işlenen örnek sayısıdır.Yıkıcı UnutmaCatastrophic ForgettingYıkıcı unutma, bir modelin yeni bir görev için eğitilirken daha önce öğrendiği becerileri ciddi ölçüde kaybetmesidir.