Artificial-Intelligence-Terminology-Database深度解析从机器学习到AI for Science的专业术语【免费下载链接】Artificial-Intelligence-Terminology-DatabaseA comprehensive mapping database of English to Chinese technical vocabulary in the artificial intelligence domain项目地址: https://gitcode.com/gh_mirrors/ar/Artificial-Intelligence-Terminology-DatabaseArtificial-Intelligence-Terminology-Database是一个全面的人工智能领域中英文技术词汇映射数据库目前拥有约2442个专业术语和2篇专项领域篇为AI学习者和从业者提供了精准的术语参考。为什么选择Artificial-Intelligence-Terminology-Database在人工智能快速发展的今天准确理解和使用专业术语是入门和深入研究的关键。该数据库具有以下优势权威性术语主要来自权威教科书如周志华《机器学习》、李航《统计学习方法》等和领域专家审核全面性覆盖机器学习、AI for Science等多个专项领域准确性针对歧义术语提供详细注解如Bias在不同语境下译为偏差或偏置易用性支持按首字母和专项领域两种方式查询图Artificial-Intelligence-Terminology-Database覆盖的AI技术领域概览核心功能与内容结构1. 术语组织形式每个术语条目包含以下信息索引编号采用AITD数字格式如AITD-00000英文术语标准英文表达中文翻译推荐中文译法常用缩写术语的标准缩写形式来源扩展术语的出处和相关扩展阅读备注特殊说明或使用场景2. 检索方式按首字母检索数据库将术语按首字母分类如A包含Activation Function激活函数、Attention Mechanism注意力机制等B包含Back Propagation反向传播、Bayesian Network贝叶斯网络等C包含Convolutional Neural Network卷积神经网络、Cross Validation交叉验证等按专项领域检索目前包含两个专项领域机器学习篇涵盖726个机器学习核心术语AI for Science篇包含491个交叉学科术语机器学习领域核心术语解析基础概念机器学习(Machine Learning, ML)使计算机能够从数据中学习并改进的AI分支监督学习(Supervised Learning)使用标记数据训练模型的学习方法无监督学习(Unsupervised Learning)从无标记数据中发现模式的学习方法强化学习(Reinforcement Learning, RL)通过与环境交互学习最优决策的方法关键算法与模型神经网络(Neural Network, NN)受生物神经系统启发的计算模型卷积神经网络(Convolutional Neural Network, CNN)擅长处理网格数据的深度学习模型循环神经网络(Recurrent Neural Network, RNN)处理序列数据的神经网络长短期记忆网络(Long Short-Term Memory, LSTM)解决RNN梯度问题的改进模型Transformer基于自注意力机制的序列处理模型重要技术指标准确率(Accuracy)模型正确预测的样本比例精确率(Precision)正例预测中的真正例比例召回率(Recall)所有正例中被正确预测的比例AUC(Area Under ROC Curve)ROC曲线下面积衡量分类模型性能AI for Science领域术语特色AI for Science篇聚焦人工智能与科学研究的交叉领域包含量子化学(Quantum Chemistry)相关术语如Density Functional Theory(密度泛函理论, DFT)分子建模(Molecular Modelling)术语如Molecular Graph Theory(分子图论)高通量筛选(High Throughput Screening, HTS)相关概念科学计算(Scientific Computing)术语如Monte Carlo Method(蒙特卡洛方法)图AI与科学研究的跨学科合作网络如何使用本数据库入门学习通过字母索引系统学习AI基础术语翻译参考查找专业术语的标准中文译法论文阅读遇到不熟悉的术语时快速查询教学备课获取权威的术语解释和扩展资料要开始使用可通过以下步骤获取完整数据库git clone https://gitcode.com/gh_mirrors/ar/Artificial-Intelligence-Terminology-Database版本更新与贡献数据库持续更新最新版本3.1包含2442个术语。欢迎通过以下方式参与贡献报告术语错误或提出改进建议提供新术语及来源参与专项领域术语的编译和审核总结Artificial-Intelligence-Terminology-Database为AI领域的术语标准化和知识传播做出了重要贡献无论是初学者还是专业人士都能从中获得准确、全面的术语参考。随着AI技术的不断发展该数据库将继续扩展和完善成为连接AI理论与实践的重要桥梁。通过本数据库你可以系统掌握从基础机器学习到AI for Science前沿领域的专业术语为深入学习和研究人工智能奠定坚实基础。【免费下载链接】Artificial-Intelligence-Terminology-DatabaseA comprehensive mapping database of English to Chinese technical vocabulary in the artificial intelligence domain项目地址: https://gitcode.com/gh_mirrors/ar/Artificial-Intelligence-Terminology-Database创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考