Aşağıdaki kelime ya da kelime gruplarının Türkçe karşılıkları sözlükte yer almamaktadır.
- TÜBA
- TDK
ÖNERİ: düşman, hasım, çekişmeli
- TÜBA
- TDK
Encoder kelimesinin TDK sözlüğünde karşılığı kodlayıcı olarak belirtilmektedir.
ÖNERİ: otokodlayıcı
- TÜBA
- TDK
ÖNERİ: sınırlayıcı kutu
- TÜBA
- TDK
ÖNERİ: kapsül
- TÜBA
- TDK
ÖNERİ: bilgisayarlı görme, bilgisayarlı görü
- TÜBA
- TDK
ÖNERİ: iri taneli
(Her biri çok fazla veri tutan daha az nesne)
- TÜBA
- TDK
ÖNERİ: sonlu tamamlayıcı
- TÜBA
- TDK
Sözlükte convolution, evrişim olarak çevrilmiştir.
ÖNERİ: evrişimli sinir ağları
- TÜBA
- TDK
ÖNERİ: işbirlikçi filtreleme
- TÜBA
- TDK
ÖNERİ: veri artırma
- TÜBA
- TDK
dropout TÜBA'da güç sönümü olarak geçmektedir. Yapay zeka alanında elektronikle ilgili bu çevirinin uygun olmadığı düşünülmektedir.
ÖNERİ: seyreltme
- TÜBA
- TDK
routing* kelimesi TÜBA'da rotalama TDK'da ise yöneltilme olarak çevrilmiştir.
ÖNERİ: dinamik yönlendirme, dinamik rotalama
- TÜBA
- TDK
ÖNERİ: özyerleşik
- Hacettepe Unv. Multimedia Information Retrieval Lab önerisidir.
- TÜBA
- TDK
ÖNERİ:
Topluluk Metotları
Örnek: Topluluk metotları, bir optimal tahmin modelini üretmek için birkaç temel modeli birleştiren bir makine öğrenmesi tekniğidir.
- TÜBA
- TDK
ÖNERİ: esnek ağ
- TÜBA
- TDK
feature TDK'da özellik TÜBA'da ise öznitelik olarak çevrilmiştir.
ÖNERİ: öznitelik temsili
- TÜBA
- TDK
ÖNERİ: ileri besleme
- TÜBA
- TDK
ÖNERİ: İnce Taneli
(Her biri daha az veri tutan daha fazla nesne)
- TÜBA
- TDK
framework TDK'da ve TÜBA'da çatı şeklinde çevrilmiştir.
ÖNERİ: çatı
- TÜBA
- TDK
ÖNERİ: tam hassasiyet
- TÜBA
- TDK
IEEE Sinyal İşleme ve İletişim Uygulamaları Kurultayı 2017 (SIU) ve Bozkırda Yapay Öğrenme Yaz Okulu 2017'de 2014 yılında Ian Goodfellow tarafından keşfedilen Generative Adversarial Networks (GAN), Türkçeye Çekişmeli Üretici Ağlar olarak çevrilmiştir.
ÖNERİ: çekişmeli üretici ağlar
- TÜBA
- TDK
ÖNERİ: Mutlak En İyi
- TÜBA
- TDK
Gradyan(yön türevi): Artımın en çok olduğu yere doğru yönelmiş bir vektör alanını verir.
Gradyan İnişi: Yerel minimum bir nokta bulmak için, geçerli noktadaki fonksiyonun gradyanının negatifiyle orantılı adımlar atılır.
ÖNERİ: Gradyan İnişi
, Bayır inişi
, Bayıraşağı inişi
- TÜBA
- TDK
ground truth TDK'da kesin referans TÜBA'da gerçek referans değer şeklinde çevrilmiştir.
ÖNERİ: gerçek referans değer
- TÜBA
- TDK
ÖNERİ: yarım hassasiyet
- TÜBA
- TDK
ÖNERİ: Üst değişken
- TÜBA
- TDK
ÖNERİ: karakteristik nokta saptama
- TÜBA
- TDK
- TÜBA
- TDK
ÖNERİ: kement bağıntı
- TÜBA
- TDK
ÖNERİ: doğrusal bağıntı
- TÜBA
- TDK
ÖNERİ: yerseme (yerini saptama, lokalizasyon)
- TÜBA
- TDK
ÖNERİ: yerel minimum
- TÜBA
- TDK
ÖNERİ: yerel maksimum
- TÜBA
- TDK
ÖNERİ: yapısal bağıntı
- TÜBA
- TDK
ÖNERİ: Uzun-Kısa Vadeli Bellek
- TÜBA
- TDK
ÖNERİ: ortalama kesinlik,ortalama hassasiyet
- TÜBA
- TDK
ÖNERİ: çok katmanlı algılayıcı
- TÜBA
- TDK
ÖNERİ: dolgulama
- TÜBA
- TDK
ÖNERİ: karışıklık
, tereddüd
Perplexity bir nevi modelin ortalamada kaç farklı seçim yapacağını ölçüyor, veya ağaçtaki dallanma gibi de düşünebiliriz. Karışıklıktan ziyade modelin seçtiği karar hakkındaki güvenine daha yakın bir kavram gibi.
- TÜBA
- TDK pooling kelimesinin karşılığı TÜBA'da ortaklama olarak geçmektedir.
ÖNERİ: örnekleme
- TÜBA
- TDK
predictor TDK'da yordamlayıcı TÜBA'da bağımsız değişken şeklinde çevrilmiştir.
ÖNERİ: bağımsız değişken
- TÜBA
- TDK
ÖNERİ: rastgele orman
- TÜBA
- TDK
ÖNERİ: doğrultulmuş lineer ünite
, damıtılmış doğrusal birim
- TÜBA
- TDK
ÖNERİ: bayır bağıntı
- TÜBA
- TDK
ÖNERİ: anlaşarak yönlendirme
- TÜBA
- TDK
ÖNERİ: güncel olan en iyi durum
- TÜBA
- TDK
ÖNERİ: adım kaydırma
- TÜBA
- TDK
ÖNERİ: Sıkıştırma Fonksiyonu
- TÜBA
- TDK
ÖNERİ: türevlenebilir maximum
, yumuşatılmış maximum
- TÜBA
- TDK
ÖNERİ: tek tipleştirmek
, belirli bir forma getirmek
- TÜBA
- TDK
ÖNERİ: standartlaştırma
, tek tip yapma
- TÜBA
- TDK
ÖNERİ: Örnek uygulamalar
, eğitim dökümanları
- TÜBA
- TDK
ÖNERİ: Sık Örnekleme
- TÜBA
- TDK
ÖNERİ: Kaybolan Eğim
(türevlerin 0'a gitmesi 0 olması, bir fonksiyonun türevinin 0 vermesi)
Aşağıdaki kelime ya da kelime gruplarının Türkçe karşılıkları sözlükte yer almaktadır. Fakat ufak değişikliklerin yapılması gerekmektedir.
- TÜBA
- TDK
bias kelimesinin karşılığı TÜBA'da yanlılık olarak geçmektedir.
ÖNERİ: yanlılık değeri
- TÜBA
- TDK
condense kelimesinin karşılığı TDK'da yoğunlaştırmak olarak geçmektedir. Sözlükte ise seyrek olarak çevrildiği görülmektedir.
ÖNERİ: yoğun
- TÜBA
- TDK
confusion matrix kelimesinin karşılığı TÜBA'da hata matrisi olarak geçmektedir.
ÖNERİ: sınıflandırma matrisi
- TÜBA
- TDK
epoch TDK'da devre olarak geçmektedir. Sözlük'te ise dönem olarak çevrilmiştir. Makine öğrenmesinde bir verisetinin tamamının bir kere ağdan geçiş yapmasına İngilizcede epoch denilmektedir.
ÖNERİ: devir
- TÜBA
- TDK
fine tuning TÜBA'da ince ayar olarak geçmektedir. Fakat wikipedia da derin öğrenme alanındaki tanımı gereği ince ayar çevirisi bu sözcüğü tam anlamıyla karşılamamaktadır.
Wikipedia: Belirli bir görev için halihazırda eğitilmiş bir ağ modelini alma ve bunu ikinci bir benzer görevi gerçekleştirmek için kullanma işlemidir.
ÖNERİ: Öğrenme Transferi
np-complete ingilizce tanımı: problems that are solved in polynomial time by a non-deterministic turing machine. Türkçe çevirisinde ise "çokterimli zamanda bulunamaz" şeklinde geçiyor. Fakat bu yanlış bir kullanım. NP sınıfı çoğu zaman "non-polynomial time" şeklinde karıştırılıyor. Fakat asıl açılımı "non-deterministic polynomial time". Biz henüz bu sınıftaki problemlerin çokterimli zamanda bulunamayacağını kanıtlayamadık.
NP-complete sınıfını NP sınıfından ayıran fark ise NP sınıfındaki her problemi çokterimli zaman kullanarak NP-complete sınıfındaki bir probleme eşleyebilmemiz. Bu nedenle NP-complete sınıfındaki herhangi bir probleme çokterimli zamanda bir çözüm üretirsek, P=NP doğru oluyor.
Bu sınıfların harf kısaltmaları aynı şekilde kullanılabilir. Doğal sayı kümesine N dediğimiz gibi.
ÖNERİ: NP-bütün
- TÜBA
- TDK semantics kelimesinin karşılığı TÜBA'da anlambilimsel ağ olarak geçmektedir.
ÖNERİ: Anlambilim
RNN(Recurrent Nerual Network)
RNN 1980’ de geliştirildi. Makine Öğrenmesinde Derin Öğrenme algoritmalarında biri olarak kullanılır. Tanım olarak
, ardışık bilgileri kullanan modeldir. Kullanım Alanları; Konuşma tanıma, Makine Çevirisi vb.
ÖNERİ: Tekrarlayan Sinir Ağları