术语来源
- 全部来自近期的人工智能SOTA论文，如果你近期有读过，那么很多术语你将不会陌生。
术语作用
- 在工作中，如果你需要通过论文寻找当前任务的解决方案，那么最起码你需要知道术语的含义；
- 在面试中，面试官需要你表达自己的专业想法，如果你选择借助术语来阐述，Perfect！
- 另外，如果你还有机会做技术分享，跨企业交流，不懂术语你都不知道人家说什么啊！
- 好了，Please Follow Me！每周通过你的碎片时间学习10个AI术语（在我的笔记本上已经记下了5302个，够你们学了）。
术语内容
- from scratch
- 描述模型的重新训练，因为现在使用预训练模型很火，但是就有一些‘耿直’的人喜欢从随机初始化参数里重新训练，就用这个描述。
- word sense disambiguation
- 词义消歧，NLP的重要基础任务之一，消除同一个词在句子中可能的歧义，表面意思不难理解吧。
- temporal processing
- 时域处理，你要想到循环神经网络，比如RNN的序列处理逻辑，当这个序列以时间为轴，就是时域处理。
- contrastive learning
- 对比学习，自监督的一种方式，一般在论文里都是有监督学习的衬托角色，至少现在这个年代是！
- inverse function
- 反函数，人工智能总得和数学有点关系吧，这个初中数学术语要记住！
- teaser example
- 有关AI的脑筋急转弯（例子），有人在论文里出脑筋急转弯，我TM也没办法。
- on the majority of datasets
- 在大多数数据上，你可能会接下一句：‘我的模型都取得了当前最佳效果’。
- the relative paucity if labeled data
- 标签数据的相对匮乏，基本上所有的数据增强论文，都在解决这个问题。
- step recurrence
- 重复步，我们的模型训练的过程，就是一个‘重复步’迭代的过程。
- symmetrized KL-divergence
- 对称KL散度，对称先不说，KL散度你多多少少听过吧，和交叉熵损失函数什么关系来着？
被虐的还不过瘾？快关注我，查看更多粉丝可见内容！！！