Tiếng Anh chuyên ngành Trí tuệ nhân tạo

Được chia sẻ bởi người dùng Flashcards.gg · tạo cùng AI · Báo cáo bộ thẻ này

Bộ thẻ học các thuật ngữ tiếng Anh chuyên ngành Trí tuệ nhân tạo và học máy dành cho người Việt Nam.

40 thẻ Tiếng Anh → Tiếng Việt Cấp độ: Trung cấp Tiếng Anh Đã xuất bản
Chạm vào thẻ để lật

Thẻ · 40

Artificial Intelligence (AI)
Trí tuệ nhân tạo: Ngành khoa học máy tính mô phỏng trí thông minh của con người.
Machine Learning (ML)
Học máy: Nhánh của AI cho phép máy tính tự học hỏi và cải thiện từ dữ liệu mà không cần lập trình trực tiếp.
Deep Learning (DL)
Học sâu: Phân nhánh của học máy sử dụng mạng nơ-ron nhiều lớp để xử lý dữ liệu phức tạp.
Artificial Neural Network (ANN)
Mạng nơ-ron nhân tạo: Hệ thống tính toán lấy cảm hứng từ cấu trúc mạng lưới nơ-ron sinh học của não bộ.
Supervised Learning
Học có giám sát: Phương pháp huấn luyện mô hình dựa trên tập dữ liệu đã được gán nhãn sẵn.
Unsupervised Learning
Học không giám sát: Phương pháp học tìm kiếm cấu trúc ẩn trong dữ liệu chưa được gán nhãn.
Reinforcement Learning
Học tăng cường: Phương pháp học dựa trên cơ chế thưởng - phạt thông qua tương tác với môi trường.
Natural Language Processing (NLP)
Xử lý ngôn ngữ tự nhiên: Lĩnh vực giúp máy tính hiểu, giải thích và tạo ra ngôn ngữ của con người.
Computer Vision
Thị giác máy tính: Lĩnh vực giúp máy tính nhận diện và hiểu thông tin từ hình ảnh hoặc video.
Large Language Model (LLM)
Mô hình ngôn ngữ lớn: Mô hình AI được đào tạo trên khối lượng văn bản khổng lồ để hiểu và sinh ngôn ngữ.
Generative AI
AI tạo sinh: Trí tuệ nhân tạo có khả năng tạo nội dung mới như văn bản, hình ảnh, mã nguồn hoặc âm thanh.
Prompt Engineering
Kỹ thuật thiết kế câu lệnh: Quá trình tối ưu hóa văn bản đầu vào để mô hình AI cho ra kết quả mong muốn.
Hallucination
Ảo giác AI: Hiện tượng AI tạo ra thông tin sai lệch hoặc bịa đặt nhưng trình bày rất tự tin.
Overfitting
Quá khớp: Hiện tượng mô hình khớp quá mức với dữ liệu huấn luyện khiến hiệu suất kém trên dữ liệu mới.
Underfitting
Chưa khớp: Hiện tượng mô hình quá đơn giản, không học đủ tốt quy luật từ dữ liệu huấn luyện.
Fine-tuning
Tinh chỉnh: Quá trình huấn luyện lại mô hình đã được đào tạo sẵn trên một tập dữ liệu chuyên biệt.
Transfer Learning
Học chuyển giao: Kỹ thuật áp dụng kiến thức từ một mô hình đã học sang một tác vụ mới tương tự.
Dataset
Tập dữ liệu: Bộ sưu tập các mẫu dữ liệu được dùng để huấn luyện, kiểm thử và đánh giá mô hình.
Inference
Suy luận: Giai đoạn đưa dữ liệu mới vào mô hình đã huấn luyện để nhận về dự đoán hoặc kết quả.
Bias and Fairness
Định kiến và sự công bằng: Vấn đề AI đưa ra kết quả thiên lệch và yêu cầu đảm bảo không phân biệt đối xử.
Convolutional Neural Network (CNN)
Mạng nơ-ron tích chập: Kiến trúc mạng chuyên sâu trong việc phân tích và xử lý hình ảnh thị giác.
Recurrent Neural Network (RNN)
Mạng nơ-ron hồi quy: Loại mạng nơ-ron xử lý dữ liệu dạng chuỗi như văn bản hoặc chuỗi thời gian.
Transformer Architecture
Kiến trúc Transformer: Mô hình học sâu dựa trên cơ chế tự chú ý, nền tảng của hầu hết các LLM hiện đại.
Attention Mechanism
Cơ chế chú ý: Kỹ thuật giúp mô hình tập trung vào các phần quan trọng nhất của dữ liệu đầu vào.
Generative Adversarial Network (GAN)
Mạng đối nghịch tạo sinh: Cấu trúc gồm hai mạng nơ-ron cạnh tranh nhau để tạo ra dữ liệu nhân tạo chân thực.
Gradient Descent
Hạ độ dốc: Thuật toán tối ưu hóa dùng để tìm giá trị cực tiểu của hàm mất mát trong quá trình huấn luyện.
Loss Function
Hàm mất mát: Hàm đo lường độ sai lệch giữa kết quả dự đoán của mô hình và nhãn thực tế.
Backpropagation
Lan truyền ngược: Thuật toán tính đạo hàm của hàm mất mát để cập nhật trọng số trong mạng nơ-ron.
Hyperparameter
Siêu tham số: Các tham số do người dùng thiết lập trước khi huấn luyện mô hình (như tốc độ học, kích thước batch).
Epoch
Chu kỳ huấn luyện: Một lượt duyệt qua toàn bộ tập dữ liệu huấn luyện của mô hình học máy.
Tokenization
Tách từ / Mã hóa từ: Quá trình chia nhỏ văn bản thành các đơn vị nhỏ hơn (từ hoặc cụm ký tự) để mô hình xử lý.
Word Embedding
Nhúng từ: Kỹ thuật biểu diễn từ ngữ dưới dạng các véc-tơ số thực trong không gian nhiều chiều.
Retrieval-Augmented Generation (RAG)
Tạo sinh tăng cường truy xuất: Kỹ thuật kết hợp tìm kiếm dữ liệu bên ngoài với mô hình sinh để tăng độ chính xác.
Zero-shot Learning
Học không cần mẫu: Khả năng mô hình giải quyết một tác vụ mới mà không cần xem bất kỳ ví dụ huấn luyện cụ thể nào.
Few-shot Learning
Học với ít mẫu: Kỹ thuật cho phép mô hình thích ứng với tác vụ mới chỉ qua một vài ví dụ gợi ý.
Reinforcement Learning from Human Feedback (RLHF)
Học tăng cường từ phản hồi của con người: Phương pháp tinh chỉnh mô hình AI dựa trên đánh giá của người dùng.
Data Augmentation
Tăng cường dữ liệu: Kỹ thuật tạo thêm dữ liệu huấn luyện mới bằng cách biến đổi dữ liệu có sẵn để tránh quá khớp.
Feature Engineering
Kỹ nghệ đặc trưng: Quá trình lựa chọn và biến đổi các biến thô thành các đặc trưng giúp mô hình học tốt hơn.
Explainable AI (XAI)
Trí tuệ nhân tạo có thể giải thích: Các phương pháp giúp con người hiểu được lý do đằng sau các quyết định của AI.
Autonomous Agent
Tác tử tự hành: Thực thể AI có khả năng tự nhận thức môi trường và hành động độc lập để đạt mục tiêu.

Bộ thẻ liên quan

Xem thêm trong Tiếng Anh →