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 Cuantización

La cuantización es un concepto fundamental en el procesamiento digital de señales y la informática. Implica convertir datos continuos, como señales analógicas, en datos discretos para su almacenamiento y procesamiento en sistemas digitales. El núcleo del proceso de cuantización radica en seleccionar un nivel discreto apropiado para representar valores continuos, lo que afecta tanto la precisión de los datos como su análisis posterior.

Las aplicaciones de la cuantización son vastas, especialmente en campos como el procesamiento de imágenes, el procesamiento de audio y el aprendizaje automático. Por ejemplo, en el aprendizaje automático, la cuantización puede reducir el tamaño de los modelos y la complejidad computacional, mejorando así la eficiencia operativa y minimizando la necesidad de almacenamiento. En la compresión de imágenes, se utilizan técnicas de cuantización para reducir el tamaño del archivo, al tiempo que se esfuerzan por mantener la calidad visual de la imagen.

Sin embargo, la cuantización también presenta algunas desventajas, siendo la más significativa la posible pérdida de información y la reducción de la precisión. Por lo tanto, es esencial equilibrar la eficiencia y la precisión al diseñar esquemas de cuantización. Además, con los avances tecnológicos, las tendencias futuras en cuantización pueden involucrar algoritmos más inteligentes y implementaciones más eficientes para satisfacer la creciente demanda de procesamiento de datos.