Glossary

0-9

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

A

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

B

Batch Normalization Boosting Backpropagation Bias BERT

C

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

D

Deterministic Model Data Augmentation Deep Learning Discriminative Model Deepfake

E

Explainable AI (XAI)Ensemble Learning Encoder Embedding Epoch

F

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

G

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

H

Hierarchical Model Hidden Layer Hyperparameter Hallucination Heuristic

I

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

J

Juxtaposition Joint Embedding Jittering JAX JSONL / JSON-lines

K

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

L

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

M

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

N

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

O

Objective Function Overfitting Online Learning Optimizer One-hot Encoding

P

Parameter Policy / Reinforcement Learning Policy Prompt Pretraining Pooling

Q

Quantization Query Queue / Buffer Quality Estimation Q-learning

R

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

S

Supervised Learning Sampling Sequence Modeling Self-Supervised Learning Softmax

T

Transfer Learning Tokenizer Tuning / Hyperparameter Tuning Transformer Training Data

U

Uncertainty Estimation Unsupervised Learning Underfitting Universal Approximation Theorem U-Net

V

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

W

Whitening / Whitening Transformation Weak Supervision Word Embedding Workflow Weight Decay

X

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

Y

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

Z

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

쿼리란 무엇인가

쿼리는 데이터베이스나 정보 시스템에서 정보를 요청하는 방법입니다. 데이터베이스의 맥락에서, 특정 언어(예: SQL)를 사용하여 데이터를 검색하거나 조작할 수 있도록 사용자를 허용합니다. 쿼리는 선택 쿼리, 삽입 쿼리, 업데이트 쿼리, 삭제 쿼리 등 여러 유형으로 분류될 수 있으며, 각 쿼리는 고유한 용도를 가지고 있습니다.

인터넷 영역에서 쿼리 개념은 크게 확장되었습니다. 사용자는 검색 엔진에 키워드를 입력하여 관련 정보를 검색합니다. 이 과정은 결과가 관련성이 높고 정확하도록 보장하는 복잡한 알고리즘 및 데이터 구조에 의존합니다.

앞으로 인공지능 및 머신러닝의 발전은 쿼리 실행 방식을 변화시킬 수 있습니다. 자연어 처리의 발전으로 사용자는 더 자연스러운 언어로 쿼리를 할 수 있게 되어 필요한 정보를 더 쉽게 얻을 수 있습니다. 또한, 개인 정보 보호 및 데이터 보호는 쿼리 기술의 진화에서 중요한 고려 사항으로 남을 것입니다.