I

حرف I

Letter I

کلمات توضیح
۱ i.i.d.

مخفف توزیع شده به صورت مستقل و یکسان.

۲ Image Recognition

پروسه ای که طی ان شی (اشیا), الگو(ها) یا مفهوم(مفاهیم) موجود در یک عکس طبقه بندی می شوند.تشخیص تصویر به عنوان طبقه بندی تصویر نیز شناخته می شود. برای اطلاعات بیشتر این لینک را مشاهده کنید.

۳ Imbalanced Dataset

مترادفی برای مجموعه‌داده دسته نامتوازن است.

۴ Implicit Bias

فرد براساس الگوی فکری و خاطراتش ارتباط یا گمانی به طور غیرارادی فرض می کند.سوگیری ضمنی می تواند بر موارد زیر تاییر بگذارد: چگونگی جمع اوری و دسته بندی داده چگونگی طراحی و توسعه سیستم های یادگیری...

۵ In-group Bias

طرفداری یا تعصب نشان دادن برای گروه یا مشخصات خود.اگر ازمونگر ها و ارزیاب ها (یک پروژه یادگیری ماشین) دوستان, خانواده یا همکاران توسعه دهنده یادگیری ماشین باشند, سوگیری بین گروهی می تواند ازمایش محصول...

۶ Incompatibility Of Fairness Metrics

این گمان که برخی از مفاهیم عدالت با یکدیگر ناسازگارند و نمی توانند به طور همزمان ارضا شوند.در نتیجه این گمان, یک معیار جهانی برای کمی سازی عدالت که در همه مسائل یادگیری ماشین قابل پیاده سازی باشد وجود...

۷ Independently and Identically Distributed (i.i.d)

داه ای که از توزیعی گرفته شده است که تغییر نمی کند و هر مقدار گرفته شده در این داده ارتباطی با مقداری که از قبل گرفته شده است ندارد.یک i.i.d گاز ایده ال یادگیری ماشین است - یک ساختار ریاضی مفید که...

۸ Individual Fairness

معیار تساوی که بررسی می کند ایا افراد مشابه یکسان طبقه بندی شده اند یا خیر.برای مثال یک دانشگاه برای برقرار کردن تساوی و انصاف ممکن است اطمینان حاصل کند که حتما دو دانش اموز با نمرات یکسان و نمرات...

۹ Inference

در یادگیری ماشین, معمولا به فرایند پیش بینی کردن از طریق اجرا کردن نمونه های بدون برچسب روی مدل اموزش دیده گفته می شود.در امار, به فرایند برازاندن مولفه های یک توزیع براساس برخی از داده های مشاهده شده...

۱۰ Input Layer

اولین لایه در یک شبکه عصبی (که داده ی ورودی را دریافت می کند.)

۱۱ Instance

هم معنی نمونه.

۱۲ Inter-rater Agreement

سنجش میزان توافق بین ارزیابان در هنگام انجام یک کار.(یک نمره که درجه ی همگونی و توافق را در ارزیابی های داده شده توسط چندین کارشناس معین می کند.).اگر ارزیابان (هنگام انجام یک کار) یا یکدیگر مخالف...

۱۳ Interpretability

درجه سختی توضیح پیش بینی های یک مدل.مدل های عمیق معمولا غیرقابل تفسیر می باشند بدین معنی که لایه های مختلف یک مدل عمیق به سختی قابل رمزگشایی می باشند.در مقابل ان مدل های رگرسیون خطی و مدل های گسترده...

۱۴ Intersection Over Union (iou)

اشتراک دو مجموعه تقسیم بر اجتماعشان.در یادگیری ماشین در کارهای تشخیص در تصویر اشتراک بر اجتماع برای اندازه گیری دقت کادر محصورکننده پیش بینی شده توسط مدل در مقایسه با کادر محصورکننده حقیقی استفاده می...

۱۵ IoU

مخفف اشتراک بر اجتماع یا Intersection Over Union است.

۱۶ Item Matrix

ماتریسی که در سیستم‌های توصیه‌گر از ویژگی‌های ساخته شده توسط عامل‌بندی ماتریس که سیگنال‌های نهفته درباره هر آیتم را نگهداری می‌کند ایجاد می‌شود. هر ردیف از ماتریس آیتم، مقدار یک ویژگی نهفته را برای...

۱۷ Items

اقلامی که یک سیستم توصیه‌گر از بین آن‌ها پیشنهاد می‌دهد. به عنوان مثال، برای یک سیستم توصیه‌گر در یک کتاب‌فروشی، کتاب‌ها آیتم حساب می‌شوند.

۱۸ Iteration

هر بروزرسانی بر روی وزن‌های مدل در حین فرآیند آموزش. یک تکرار شامل محاسبه گرادیان‌های پارامترهای شبکه با در نظر گرفتن مقدار زیان شبکه بر روی یک دسته (batch) از داده‌ها است.