Glossary

0-9

6DoF pose estimation 4D data 5G + AI 1-shot learning 0-shot learning 3D convolution 8-bit quantization 7D representation 2-stage detector 9-layer network

A

Artificial Intelligence (AI)AGI / Artificial General Intelligence Autoencoder Attention Algorithm

B

Backpropagation BERT Bias Boosting Batch Normalization

C

Classifier / Classification CNN / Convolutional Neural Network Clustering Cross-Validation Chatbot

D

Data Augmentation Deep Learning Deepfake Deterministic Model Discriminative Model

E

Ensemble Learning Encoder Embedding Epoch Explainable AI (XAI)

F

Fine-tuning Fusion / Multimodal Fusion Feature Extraction Forward Propagation Foundation Model

G

GAN / Generative Adversarial Network Gradient Descent Grounding Generative AI Graph Neural Network (GNN)

H

Hierarchical Model Heuristic Hallucination Hidden Layer Hyperparameter

I

Instance / Sample Instruction tuning Intelligence Amplification / Augmentation Interpretability Imbalanced Data

J

Juxtaposition Jittering JAX Joint Embedding JSONL / JSON-lines

K

K-Shot Learning Kernel Trick K-means Clustering Knowledge Distillation KL Divergence (Kullback–Leibler Divergence)

L

Learning Rate Large Language Model (LLM)Loss Function Latent Variable LSTM / Long Short-Term Memory

M

Machine Learning (ML)Meta-learning Model Multi-head Attention Multimodal / Multimodality

N

NLP / Natural Language Processing Novelty Detection / Anomaly Detection NLU / Natural Language Understanding Normalization Neural Network

O

Online Learning Objective Function One-hot Encoding Overfitting Optimizer

P

Pretraining Pooling Parameter Policy / Reinforcement Learning Policy Prompt

Q

Q-learning Queue / Buffer Quantization Quality Estimation Query

R

Reinforcement Learning (RL)Retrieval Augmented Generation (RAG)Representation Learning Regularization RNN / Recurrent Neural Network

S

Self-Supervised Learning Supervised Learning Sequence Modeling Sampling Softmax

T

Tuning / Hyperparameter Tuning Tokenizer Training Data Transfer Learning Transformer

U

Unsupervised Learning Universal Approximation Theorem Underfitting Uncertainty Estimation U-Net

V

Vector Embedding Variational Autoencoder (VAE)Validation Set Vision Transformer (ViT)Vanishing / Exploding Gradient

W

Weight Decay Weak Supervision Whitening / Whitening Transformation Word Embedding Workflow

X

XOR problem XAI / Explainable AI X-axis / feature axis XLM XLNet

Y

Y-axis / feature axis Yield (model yield / throughput)YAGNI (You Aren't Gonna Need It)Y-transform / YUV Yoga of AI

Z

Zero-shot Learning / Zero-shot inference Zero-centric / Zero-bias initialization Z-score Normalization Zero-gradient phenomenon Zygosity in augmentation

¿Qué es la Juxtaposición?

La juxtaposición es un término derivado del latín, que significa 'colocar uno al lado del otro'. Se utiliza comúnmente en los campos del arte, la literatura, la fotografía y el diseño para resaltar contrastes o similitudes entre dos o más elementos. Esta técnica permite a los espectadores realizar comparaciones visuales o conceptuales, provocando un pensamiento más profundo.

En la historia del arte, la juxtaposición se puede rastrear hasta muchos grandes artistas y movimientos, como el impresionismo y el surrealismo. Al colocar obras de diferentes estilos, colores o temas juntas, los artistas pueden crear nuevos significados y emociones. Por ejemplo, Picasso desafió la representación tradicional en sus obras cubistas al yuxtaponer diferentes perspectivas y elementos.

En la literatura, la juxtaposición se utiliza a menudo para contrastar personajes, tramas o temas, aumentando la profundidad de la narrativa. Por ejemplo, Charles Dickens a menudo destacó las injusticias sociales al yuxtaponer las vidas de los ricos y los pobres en sus novelas.

Con la llegada de los medios digitales, la aplicación de la juxtaposición sigue expandiéndose. Los diseñadores y creativos aprovechan esta técnica para crear visuales impactantes en redes sociales, publicidad y promoción de marcas.

Sin embargo, vale la pena señalar que el uso de la juxtaposición también tiene sus limitaciones. Un uso excesivo o inapropiado de contrastes puede llevar a confusiones o malentendidos, por lo que es esencial considerar cuidadosamente sus efectos.