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 Divergencia KL (Kullback–Leibler)

La Divergencia Kullback-Leibler (KL) es un concepto fundamental en teoría de la información y estadística que cuantifica la diferencia entre dos distribuciones de probabilidad. Se utiliza ampliamente en campos como el aprendizaje automático, la estadística y la recuperación de información. Cuanto menor sea el valor de la divergencia KL, más similares serán las dos distribuciones; por el contrario, un valor mayor indica una mayor divergencia.

La fórmula para la divergencia KL se define como:
D_{KL}(P || Q) = ∑ P(i) log(P(i)/Q(i)), donde P y Q son dos distribuciones de probabilidad. La divergencia KL es no negativa para distribuciones de probabilidad no negativas y es igual a cero solo cuando P y Q son idénticas. Una característica notable de la divergencia KL es su asimetría; D_{KL}(P || Q) no es igual a D_{KL}(Q || P).

En la práctica, la divergencia KL se utiliza comúnmente para la evaluación de modelos, el entrenamiento de modelos generativos y la compresión de información. Por ejemplo, los algoritmos de optimización en aprendizaje automático pueden minimizar la divergencia KL para alinear la distribución predicha del modelo con la distribución real de los datos.

De cara al futuro, con el avance de las tecnologías de aprendizaje profundo y big data, la divergencia KL puede combinarse con otras métricas de información para crear modelos más complejos para procesar datos de alta dimensión.

Las ventajas de la divergencia KL incluyen su simplicidad matemática y facilidad de cálculo, pero sus desventajas incluyen la sensibilidad a eventos de probabilidad cero, lo que puede llevar a resultados inestables. Al usarla, es necesario garantizar que las distribuciones de probabilidad de entrada sean válidas.