bannerbanner
Глоссариум по искусственному интеллекту и информационным технологиям
Глоссариум по искусственному интеллекту и информационным технологиям

Полная версия

Глоссариум по искусственному интеллекту и информационным технологиям

Настройки чтения
Размер шрифта
Высота строк
Поля
На страницу:
6 из 6

Облачные вычисления (Cloud computing) – это информационно-технологическая модель обеспечения повсеместного и удобного доступа с использованием сети «Интернет» к общему набору конфигурируемых вычислительных ресурсов («облаку»), устройствам хранения данных, приложениям и сервисам, которые могут быть оперативно предоставлены и освобождены от нагрузки с минимальными эксплуатационными затратами или практически без участия провайдера.


Облачные сервисы искусственного интеллекта (AI cloud services) – это инструменты для построения моделей искусственного интеллекта, API-интерфейсы и связанное ПО промежуточного слоя, которые позволяют создавать/обучать, развертывать и использовать модели машинного обучения, работающие в предварительно созданной инфраструктуре в качестве облачных сервисов. Эти услуги включают автоматизированное машинное обучение, услуги машинного зрения и услуги по анализу языка.


Облачный процессор (Cloud TPU) – это специализированный аппаратный ускоритель, предназначенный для ускорения рабочих нагрузок машинного обучения на Google Cloud Platform88.


Обработка больших объемов данных (Processing of large volumes of data) – это совокупность подходов, инструментов и методов автоматической обработки структурированной и неструктурированной информации, поступающей из большого количества различных, в том числе разрозненных или слабосвязанных, источников информации, в объемах, которые невозможно обработать вручную за разумное время.


Обработка естественного языка (Natural language processing) – это класс решений, направленных на понимание языка и генерацию текста, несущего смысл, а также общение на естественном языке при взаимодействии компьютера и человека.


Обработка изображений (Image processing) – это область прикладных научных исследований, связанных с анализом и обработкой цифровых изображений. Чётких границ между обработкой изображений, анализом изображений (image analysis) и техническим зрением (computer vision), а также, любые комплексные программные и/или аппаратные операции по компьютерной обработке (преобразованию) изображений, например повышение чёткости, коррекция цветов, сглаживание, уменьшение шумов и т. д.


Обработка компьютерного зрения (Computer vision processing) – это обработка изображений (сигналов) в системах компьютерного зрения, использующих алгоритмы (computer vision processing algorithms), процессоры (computer vision processing unit, CVPU), свёрточные нейронные сети (convolutional neural network) для обработки изображений и реализации зрительных функций в робототехнике, в системах реального времени (real-time system), системах интеллектуального видеонаблюдения (smart video surveillance) и др.


Обработка персональных данных (Processing of personal data) – это любое действие (операция) или совокупность действий (операций), совершаемых с использованием средств автоматизации или без использования таких средств с персональными данными, включая сбор, запись, систематизацию, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передачу (распространение, предоставление, доступ), обезличивание, блокирование, удаление, уничтожение персональных данных.


Обработка речи (Speech processing) – это изучение речевых сигналов и методов обработки сигналов. Сигналы обычно обрабатываются в цифровом представлении, поэтому обработку речи можно рассматривать как частный случай цифровой обработки сигналов, применяемый к речевым сигналам. Аспекты обработки речи включают получение, обработку, хранение, передачу и вывод речевых сигналов. Ввод называется распознаванием речи, а вывод называется синтезом речи89.


Обучение без учителя (Unsupervised learning) – это направление машинного обучения, работает с неразмеченными данными и работает без обратной связи.


Обучение модели (Model training) – это настройка параметров модели нейронной сети для правильной работы с заданными данными.


Обучение с временной разницей (Temporal difference learning) – это класс методов обучения с подкреплением без использования моделей, которые обучаются путем самонастройки на основе текущей оценки функции ценности. Эти методы производят выборку из среды, например методы Монте-Карло, и выполняют обновления на основе текущих оценок, например методы динамического программирования90.


Обучение с подкреплением (Reinforcement learning) – это направление машинного обучения, фокусируется на процессах принятия решений и системах вознаграждения. Может выучить серию действий.


Обучение с самоконтролем (Self-Supervised Learning) – это одна из разновидностей машинного обучения, применение которой может быть полезным в переходе от контролируемого обучения с целью снижения издержек на обработку больших массивов информации и человеческие ресурсы. Использование этой технологии должно помочь в работе с неструктурированными данными, а наибольшая польза от ее применения заключается в повышении качества распознавания голоса при работе с интеллектуальным голосовым помощником при регистрации обращений.

Конец ознакомительного фрагмента.

Текст предоставлен ООО «ЛитРес».

Прочитайте эту книгу целиком, купив полную легальную версию на ЛитРес.

Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.

Примечания

1

Указ Президента Российской Федерации от 09.05.2017 г. №203. О Стратегии развития информационного общества в Российской Федерации на 2017 – 2030 годы. [Электронный ресурс] // www.kremlin.ru. URL: http://kremlin.ru/acts/bank/41919

2

Указ Президента Российской Федерации от 10.10.2019 г. №490. О развитии искусственного интеллекта в Российской Федерации. [Электронный ресурс] // www.kremlin.ru. URL: http://www.kremlin.ru/acts/bank/44731

3

.Указ Президента Российской Федерации от 7 мая 2018 №204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года».

4

Федеральный закон от 27.07.2006 N 152-ФЗ (ред. от 24.04.2020) «О персональных данных». [Электронный ресурс] // legalacts.ru URL: https://legalacts.ru/doc/152_FZ-o-personalnyh-dannyh/

5

Национальная программа «Цифровая экономика Российской Федерации». Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации. [Электронный ресурс] // digital.gov.ru. URL: https://digital.gov.ru/ru/activity/directions/858/

6

Кодекс этики в сфере ИИ. [Электронный ресурс] // a-ai.ru URL: https://a-ai.ru/code-of-ethics/

7

Чесалов А. Ю. Цифровая трансформация. -М.: Ridero. 2020.-302c. URL: https://ridero.ru/books/cifrovaya_transformaciya_2/

8

Чесалов А. Ю. Цифровая экосистема Института омбудсмена: концепция, технологии, практика. -М.: Ridero. 2020.-320c. URL: https://ridero.ru/books/cifrovaya_ekosistema_instituta_ombudsmena_koncepciya_tekhnologii_praktika/

9

.Auto Associative Memory [Электронный ресурс] www.tutorialspoint.com URL: https://www.tutorialspoint.com/artificial_neural_network/artificial_neural_network_associate_memory.htm#:~:text=These%20kinds%20of%20neural%20networks,with%20the%20given%20input%20pattern. (дата обращения: 07.07.2022)

10

.Q-learning [Электронный ресурс] //towardsdatascience.com URL: https://towardsdatascience.com/a-beginners-guide-to-q-learning-c3e2a30a653c (дата обращения: 07.07.2022)

11

Anytime algorithm [Электронный ресурс] // dic.academic.ru URL: https://dic.academic.ru/dic.nsf/eng_rus/423258/anytime (дата обращения: 27.01.2022)

12

.Алгоритмы машинного обучения [Электронный ресурс] //azure.microsoft.com URL: https://azure.microsoft.com/ru-ru/overview/machine-learning-algorithms/#overview (дата обращения: 07.07.2022)

13

.Big Data: перспективы развития, тренды и объемы рынка больших данных [Электронный ресурс] delprof.ru URL: https://delprof.ru/press-center/open-analytics/big-data-perspektivy-razvitiya-trendy-i-obemy-rynka-bolshikh-dannykh/ (дата обращения: 29.04.2023)

14

.Что такое аналитика больших данных? [Электронный ресурс] azure.microsoft.com URL: https://azure.microsoft.com/ru-ru/resources/cloud-computing-dictionary/what-is-big-data-analytics (дата обращения: 29.04.2023)

15

.Архитектура фон Неймана [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Von_Neumann_architecture (дата обращения: 07.07.2022)

16

.Architectural frameworks [Электронный ресурс] //implementationscience.biomedcentral.com URL: https://implementationscience.biomedcentral.com/articles/10.1186/s13012-017-0607-7#:~:text=Architectural%20frameworks%20are%20high%2Dlevel,principles%20that%20guide%20their%20evolution. (дата обращения: 07.07.2022)

17

.Байесовский классификатор в машинном обучении [Электронный ресурс] //wiki.loginom.ru URL: https://wiki.loginom.ru/articles/bayesian_classifier.html (дата обращения: 07.07.2022)

18

.Библиотека Numpy [Электронный ресурс] //datawider.com URL: https://datawider.com/top-10-python-libraries/#_ftn1 (дата обращения: 07.07.2022)

19

Binary tree [Электронный ресурс] // habr.com URL: https://habr.com/ru/post/267855/ (дата обращения: 31.01.2022)

20

.Bioconservatism [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Bioconservatism (дата обращения: 07.07.2022)

21

.Bioconservatism [Электронный ресурс] www.wise-geek.com URL: https://www.wise-geek.com/what-is-bioconservatism.htm (дата обращения: 07.07.2022)

22

.Big Data: перспективы развития, тренды и объемы рынка больших данных [Электронный ресурс] delprof.ru URL: https://delprof.ru/press-center/open-analytics/big-data-perspektivy-razvitiya-trendy-i-obemy-rynka-bolshikh-dannykh/ (дата обращения: 29.04.2023)

23

.ГОСТ 59925 – 2021 «Информационные технологии. Большие данные. Техническое задание. Требования к содержанию и оформлению» [Электронный ресурс] docs.cntd.ru URL: https://docs.cntd.ru/document/1200182072 (дата обращения: 29.04.2023)

24

.Vector processor or array processor [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Vector_processor (дата обращения: 07.07.2022)

25

.ГОСТ 59925 – 2021 «Информационные технологии. Большие данные. Техническое задание. Требования к содержанию и оформлению» [Электронный ресурс] docs.cntd.ru URL: https://docs.cntd.ru/document/1200182072 (дата обращения: 29.04.2023)

26

.Speech perception [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Speech_perception#:~:text=Speech%20perception%20is%20the%20process,psychology%20and%20perception%20in%20psychology. (дата обращения: 07.07.2022)

27

.Time complexity [Электронный ресурс] //en.wikipedia.org. URL: https://en.wikipedia.org/wiki/Time_complexity (дата обращения: 07.07.2022)

28

.Word embedding [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Word_embedding (дата обращения: 07.07.2022)

29

.Computation [Электронный ресурс] //en.wikipedia.org. URL: https://en.wikipedia.org/wiki/Computation (дата обращения: 07.07.2022)

30

Generative Adversarial Network (GAN) [Электронный ресурс] // machinelearningmastery.ru URL: https://www.machinelearningmastery.ru/generative-models-and-gans-fe7efc20020b/ (дата обращения: 11.02.2022)

31

Generative model [Электронный ресурс] // habr.com URL: https://habr.com/ru/company/wunderfund/blog/334568/ (дата обращения: 31.01.2022)

32

.Gartner назвала 12 самых перспективных технологий следующего года. [Электронный ресурс] // digitalms.ru. URL: https://www.digitalms.ru/media/news/19/ (Дата обращения: 28.08.2022).

33

Genetic Algorithm [Электронный ресурс] // habr.com URL: https://habr.com/ru/post/128704/ (дата обращения: 31.01.2022)

34

.Human-machine hybridization [Электронный ресурс] www.mdpi.com URL: https://www.mdpi.com/journal/sensors/special_issues/Human_Machine_sensors (дата обращения: 07.07.2022)

35

Deep neural network [Электронный ресурс] // machinelearningmastery.ru URL: https://www.machinelearningmastery.ru/how-to-stop-training-deep-neural-networks-at-the-right-time-using-early-stopping/ (дата обращения: 08.02.2022)

36

.Graph neural networks [Электронный ресурс] //neptune.ai/URL: https://neptune.ai/blog/graph-neural-network-and-some-of-gnn-applications (дата обращения: 07.07.2022)

37

.Graph neural networks [Электронный ресурс] //arxiv.org URL: https://arxiv.org/pdf/1812.08434 (дата обращения: 07.07.2022)

38

Augmented Intelligence [Электронный ресурс] // gartner.com URL: https://www.gartner.com/en/information-technology/glossary/augmented-intelligence#:~:text=Augmented%20intelligence%20is%20a%20design,decision%20making%20and%20new%20experiences. (дата обращения: 28.01.2022)

39

Friendly artificial intelligence [Электронный ресурс] // dic.academic.ru URL: https://dic.academic.ru/searchall.php?SWord=Friendly+artificial+intelligence+&from=ru&to=xx&did=&stype=0 (дата обращения: 09.03.2022)

40

.Mind uploading [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Mind_uploading (дата обращения: 07.07.2022)

41

.AI winter [Электронный ресурс] //en.wikipedia.org. URL: https://en.wikipedia.org/wiki/AI_winter (дата обращения: 07.07.2022)

42

.TensorFlow Playground [Электронный ресурс] //cloud.google.com URL: https://cloud.google.com/blog/products/ai-machine-learning/understanding-neural-networks-with-tensorflow-playground (дата обращения: 07.07.2022)

43

.Козлов А. Н. Интеллектуальные информационные системы [Текст]: учеб. / ФГБОУ ВПО Пермская ГСХА. – Пермь. 2013. – 306 с.

44

.Остроух А. В. Интеллектуальные системы [Текст]: монография. / Издательство «Научно-инновационный центр». – Красноярск. 2020. – 316 с.

45

.Интеллектуальная система [Электронный ресурс] //dic.academic.ru URL: https://dic.academic.ru/dic.nsf/ruwiki/176467 (дата обращения: 07.07.2022)

46

Data Mining [Электронный ресурс] // bigdataschool.ru URL: https://www.teradata.ru/Glossary/What-is-Data-Mining (дата обращения: 17.02.2022)

47

.Brain—computer interface [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Brain%E2%80%93computer_interface (дата обращения: 07.07.2022)

48

.Speech Recognition API [Электронный ресурс] www.assemblyai.com URL: https://www.assemblyai.com/blog/the-top-free-speech-to-text-apis-and-open-source-engines/ (дата обращения: 07.07.2022)

49

.Artificial life [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Artificial_life (дата обращения: 07.07.2022)

50

.Указ Президента Российской Федерации от 10.10.2019 г. №490 «О развитии искусственного интеллекта в Российской Федерации». [Электронный ресурс] // www.kremlin.ru. URL: http://www.kremlin.ru/acts/bank/44731

51

Artificial Intelligence [Электронный ресурс] // absel.ua URL: https://absel.ua/news/tri-tipa-iskusstvennogo-intellekta-ponimanie-ii.htmlobuchenii (дата обращения: 18.02.2022)

52

.Artificial Intelligence for IT Operations (AIOps) [Электронный ресурс] www.cio.com URL: https://www.cio.com/article/196239/what-is-aiops-injecting-intelligence-into-it-operations.html (дата обращения: 07.07.2022)

53

.Artificial Intelligence for IT Operations (AIOps) [Электронный ресурс] www.gartner.com URL: https://www.gartner.com/en/information-technology/glossary/aiops-platform (дата обращения: 07.07.2022)

54

.Искусственный интеллект для ИТ-операций [Электронный ресурс] //networkguru.ru URL: https://networkguru.ru/aiops-artificial-intelligence-for-it-operations/ (дата обращения: 07.07.2022)

55

.Artificial neuron [Электронный ресурс] //en.wikipedia.org. URL: https://en.wikipedia.org/wiki/Artificial_neuron (дата обращения: 07.07.2022)

56

.Artificial neuron [Электронный ресурс] //towardsdatascience.com URL: https://towardsdatascience.com/the-concept-of-artificial-neurons-perceptrons-in-neural-networks-fab22249cbfc (дата обращения: 07.07.2022)

57

Capsule neural network [Электронный ресурс] // ru.what-this.com URL: https://ru.what-this.com/7202531/1/kapsulnaya-neyronnaya-set.html (дата обращения: 07.02.2022)

58

Capsule neural network [Электронный ресурс] // neurohive.io URL: https://neurohive.io/ru/osnovy-data-science/kapsulnaja-nejronnaja-set-capsnet/ (дата обращения: 08.02.2022)

59

Clustering [Электронный ресурс] // developers.google.com URL: https://developers.google.com/machine-learning/glossary/clustering (дата обращения: 10.01.2022)

60

.Temporal data clustering [Электронный ресурс] www.sciencedirect.com URL: https://www.sciencedirect.com/topics/computer-science/temporal-data (дата обращения: 07.07.2022)

61

Cognitive science Когнитивная наука и интеллектуальные технологии: Реф. сб. АН СССР. – М.: Ин-т науч. информ. по обществ. наукам, 1991. (дата обращения: 04.02.2022)

62

Cognitive computing [Электронный ресурс] // habr.com URL: https://habr.com/ru/company/ibm/blog/276855/ (дата обращения: 31.01.2022)

63

.Коммодитизация [Электронный ресурс] //secretmag.ru URL: https://secretmag.ru/enciklopediya/chto-takoe-kommoditizaciya-obyasnyaem-prostymi-slovami.htm (дата обращения: 07.07.2022)

64

.Computer simulation. [Электронный ресурс] //en.wikipedia.org. URL: https://en.wikipedia.org/wiki/Computer_simulation (дата обращения: 07.07.2022)

65

Computational creativity [Электронный ресурс] // hoster.bmstu.ru URL: http://hoster.bmstu.ru/~amas/cources/mv/lect__slides.pdf (дата обращения: 14.02.2022)

66

.Логистическая регрессия. [Электронный ресурс] // www.statmethods.ru. URL: https://www.statmethods.ru/statistics-metody/logisticheskaya-regressiya/ (дата обращения: 03.02.2022)

67

.Марковский процесс [Электронный ресурс] //en.wikipedia.org. URL: https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%80%D0%BA%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D1%80%D0%BE%D1%86%D0%B5%D1%81%D1%81 (дата обращения: 07.07.2022)

68

.ГОСТ 59925 – 2021 «Информационные технологии. Большие данные. Техническое задание. Требования к содержанию и оформлению» [Электронный ресурс] docs.cntd.ru URL: https://docs.cntd.ru/document/1200182072 (дата обращения: 29.04.2023)

69

.Arthur Lee Samuel. [Электронный ресурс] https://en.wikipedia.org URL: https://en.wikipedia.org/wiki/Arthur_Samuel (дата обращения: 14.01.2022)

70

.Source of Arthur Samuel’s definition of machine learning. [Электронный ресурс] https://datascience.stackexchange.com URL: https://datascience.stackexchange.com/questions/37078/source-of-arthur-samuels-definition-of-machine-learning (дата обращения: 14.01.2022)

71

.Технологии искусственного интеллекта. [текст]. – Москва: Агентство промышленного развития Москвы, 2019.-155 с. [Электронный ресурс] https://apr.moscow URL: https://apr.moscow/analitics/promyshlennost-moskvy (дата обращения: 02.02.2022).

72

Машинное обучение [Электронный ресурс] https://digitalhealtheurope.eu URL: https://digitalhealtheurope.eu/glossary/machine-learning/ (дата обращения: 10.11.2022)

73

Machine learning [Электронный ресурс] www.ibm.com (дата обращения: 07.07.2022) URL:https://www.ibm.com/cloud/learn/machine-learning

74

.Support-vector machines [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Support-vector_machine (дата обращения: 07.07.2022)

75

.Support-vector machines [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Vapnik%E2%80%93Chervonenkis_theory (дата обращения: 07.07.2022)

76

.ГОСТ 59925 – 2021 «Информационные технологии. Большие данные. Техническое задание. Требования к содержанию и оформлению» [Электронный ресурс] docs.cntd.ru URL: https://docs.cntd.ru/document/1200182072 (дата обращения: 29.04.2023)

77

.DevOps [Электронный ресурс] www.atlassian.com URL: https://www.atlassian.com/ru/devops (дата обращения: 07.07.2022)

78

.DevOps [Электронный ресурс] //mcs.mail.ru URL: https://mcs.mail.ru/blog/chto-takoe-metodologiya-devops (дата обращения: 07.07.2022)

79

Робототехник (роботехник). [Электронный ресурс] https://www.profguide.io. URL: https://www.profguide.io/professions/robotics.html (дата обращения: 11.03.2023)

80

.Structural risk minimization [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Structural_risk_minimization (дата обращения: 07.07.2022)

81

.Sequence-to-sequence model [Электронный ресурс] //lena-voita.github.io URL: https://lena-voita.github.io/nlp_course/seq2seq_and_attention.html (дата обращения: 07.07.2022)

82

Belief-desire-intention software model (BDI) [Электронный ресурс] // fccland.ru URL: https://fccland.ru/stati/22848-model-ubezhdeniy-zhelaniy-i-namereniy.html (дата обращения: 31.01.2022)

83

Data science [Электронный ресурс] www.datarobot.com (дата обращения: 07.07.2022) URL: https://www.datarobot.com/wiki/data-science/

84

Data science [Электронный ресурс] www.igi-global.com (дата обращения: 07.07.2022) URL: https://www.igi-global.com/dictionary/integrating-big-data-technology-into-organizational-decision-support-systems/40290

85

B.Sc Data Science and Analytics. [Электронный ресурс] arts.smvec.ac.in. URL: https://arts.smvec.ac.in/courses-offered-arts-and-science/b-sc-data-science-and-analytics/ (дата обращения: 11.03.2023)

86

.Neuroscience [Электронный ресурс] //neuro.georgetown.edu URL: https://neuro.georgetown.edu/about-neuroscience/ (дата обращения: 07.07.2022)

87

Сloud robotics [Электронный ресурс] // digitrode.ru URL: http://digitrode.ru/articles/2683-chto-takoe-oblachnaya-robototehnika.html (дата обращения: 09.02.2022)

88

Cloud TPU [Электронный ресурс] github.com URL: https://github.com/tensorflow/tpu (дата обращения: 25.02.2022)

89

.Speech processing [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Speech_processing#:~:text=Speech%20processing%20is%20the%20study,processing%2C%20applied%20to%20speech%20signals. (дата обращения: 07.07.2022)

90

.Temporal difference learning [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Temporal_difference_learning (дата обращения: 07.07.2022)

Конец ознакомительного фрагмента
Купить и скачать всю книгу
На страницу:
6 из 6