معجم الذكاء الاصطناعي

التعلم النشط

Active Learning

تعلم يختار البيانات الأكثر أهمية للتصنيف.

معالجة أخطاء البيانات

Data-Centric Debugging

إصلاح مشاكل البيانات بدلاً من تعديل النموذج.

انتشار التسميات

Label Propagation

انتشار التسميات في بيانات غير معلمة.

الإشراف الضعيف

Weak Supervision

استخدام تسميات ضعيفة أو غير دقيقة لتدريب النماذج.

إكثار البيانات النصية

Text Augmentation

إكثار البيانات النصية لتنويع التدريب وتحسين الأداء.

إطار عمل Snorkel

Snorkel

إطار لإنشاء بيانات معلمة ضعيفة برمجياً.

مقاييس جودة البيانات

Data Quality Metrics

مقاييس لتقييم جودة ودقة البيانات المستخدمة في التدريب.

إصدارية البيانات

Data Versioning

إدارة وإصدار إصدارات مختلفة من مجموعات البيانات.

التقييم المتمحور حول البيانات

Data-Centric Evaluation

تقييم تأثير جودة البيانات على أداء النموذج.

التصنيف البرمجي

Programmatic Labeling

تصنيف البيانات بشكل برمجي باستخدام قواعد.

تقطير مجموعات البيانات

Dataset Distillation

تقطير مجموعات البيانات لتقليل الحجم مع الحفاظ على المعلومات.

الأتمتة الذكية للتعلم الآلي

AutoML

أتمتة بناء وتدريب نماذج التعلم الآلي.

منصة H2O للأتمتة

H2O AutoML

منصة أتمتة التعلم الآلي مفتوحة المصدر.

أتمتة sklearn

Auto-sklearn

أتمتة بناء وتدريب نماذج sklearn.

إطار Optuna للتحسين

Optuna

إطار تحسين المعلمات شديد المرونة والكفاءة.

البحث عن بنية الشبكة العصبية

NAS

البحث عن بناءة الشبكة العصبية الأفضل تلقائياً.

بحث البنية القابل للتفاضل

Differentiable NAS

NAS قابل للتفاضل لتسريع البحث عن البنية.

اختيار التجميع

Ensemble Selection

اختيار أفضل تجميع للنماذج لأداء أقوى.

بحث البنية بدون تدريب

Zero-shot NAS

بحث بنية شبكة بدون تدريب مكثف.

التدريب القائم على المجموعات

PBT

تدريب قائم على المجموعات السكانية للتحسين.

نموذج SARIMA الموسمي

SARIMA

نموذج سلاسل زمنية موسمية للتنبؤ الدقيق.

أداة البروفيت للتنبؤ

Prophet

أداة تنبؤ بالسلاسل الزمنية من Meta.

محولات الدمج الزمني

TFT

محولات متخصصة للتنبؤ بالسلاسل الزمنية.

شبكة N-BEATS العصبية

N-BEATS

شبكة عصبية عميقة للتنبؤ بالسلاسل الزمنية.

شبكة N-HiTS متعددة الطبقات

N-HiTS

شبكة عصبية متعددة الطبقات للتنبؤ.

محولات بالرقع الزمنية

PatchTST

محولات تستخدم رقعاً لتحسين التنبؤ.

نموذج TimeGPT للتنبؤ

TimeGPT

نموذج لغوي متخصص للتنبؤ بالسلاسل الزمنية.

نموذج TimesFM للوقت

TimesFM

نموذج أساسي متخصص للتنبؤ الزمني.

دمج TimeLLM اللغوي

TimeLLM

دمج نماذج اللغة الكبيرة مع تحليل السلاسل الزمنية.

اكتشاف الشذوذ في السلاسل الزمنية

Time-Series Anomaly Detection

اكتشاف الأنماط الشاذة في البيانات الزمنية.

شبكة تلافيف الرسوم البيانية

Graph Convolutional Network

شبكة عصبية تلافيفية متخصصة للرسوم البيانية.

شبكة انتباه الرسوم البيانية

Graph Attention Network

شبكة انتباه متخصصة للرسوم البيانية.

نموذج GraphSAGE

GraphSAGE

نموذج للتعلم على الرسوم البيانية الكبيرة.

شبكات تمرير الرسائل

MPNN

شبكات تمرير الرسائل على الرسوم البيانية.

نموذج TransE

TransE

نموذج تضمين للرسوم البيانية المعرفية.

الشفاطات الذاتية للرسوم البيانية

Graph Autoencoders

مشفرات ذاتية متخصصة في معالجة الرسوم البيانية.

شبكات الرسوم البيانية الزمنية

TGN

شبكات متخصصة للرسوم البيانية التي تتغير مع الوقت.

قابلية تفسير شبكات الرسوم البيانية

GNN Explainability

تفسير قرارات شبكات الرسوم البيانية العصبية.

التعلم على الرسوم البيانية غير المتجانسة

Heterogeneous GNN

تعلم على الرسوم البيانية غير المتجانسة في الأنواع.

محولات الرسوم البيانية

Graph Transformers

محولات متخصصة للتعامل مع الرسوم البيانية.