A transfer learning olyan módszer, amelyben egy előre betanított modellt új feladatra finomhangolnak.
Így nem kell mindent az alapoktól tanítani, hanem felhasználhatjuk a már megtanult tudást. Ez különösen hasznos, ha kevés adat áll rendelkezésre.
Jelentősen csökkenti a tanítás idejét és költségeit.
Egy kép-felismerő modellt, amelyet állatokra tanítottak, finomhangolnak orvosi képek elemzésére.
Az embedding olyan technika, amely a szavakat vagy más elemeket számsorozatként (vektorként) ábrázolja, hogy a gép fel tudja dolgozni őket.
A few-shot tanulás olyan megközelítés, ahol a modell néhány példából is képes megtanulni egy új feladatot.
Egy előre betanított modellt speciális adatokkal tovább tanítanak egy adott célra.
A mélytanulás a gépi tanulás egyik speciális ága, amely többrétegű neurális hálózatokat használ bonyolult problémák megoldására.
Az LLM olyan nyelvi modell, amely hatalmas mennyiségű szöveges adaton tanul, és képes összetett, emberihez hasonló szövegeket létrehozni.
Az emberi agy működését utánzó számítási modell, amely rétegekből és neuronokból áll.
A transformer egy neurális hálózati architektúra, amely hatékonyan dolgozza fel a szöveges adatokat.
A zero-shot tanulás olyan AI-technika, amely lehetővé teszi, hogy a modell olyan feladatokat oldjon meg, amelyeket korábban nem tanítottak neki közvetlenül.
