命名實體識別（NER）
命名實體識別（Named Entity Recognition，简称NER）是自然語言處理（NLP）中的一項重要技術，旨在從文本中自動識別出具有特定意義的實體，並將它們分類到事先定義好的類別中。這些實體通常包括人名、地名、組織名、日期、時間、貨幣、數量等。NER是信息提取和文本理解的基礎工具，廣泛應用於搜索引擎、智能問答、文本分析和知識圖譜構建等領域。
查看AI術語
什麼是 模型訓練 (Model Training)?
模型訓練是機器學習和人工智慧過程中的核心環節，指的是利用大量數據和算法，自動調整模型內部參數，以找到輸入與輸出之間最優映射關係的過程。通過訓練，模型不斷學習數據特徵，提升在特定任務上的預測和判斷能力，為後續實際應用打下基礎。
查看AI術語
模型部署 (Model Deploy)
模型部署是機器學習和人工智慧項目中的關鍵環節，指將已訓練並驗證通過的機器學習模型，集成並部署到實際生產環境中，使其能夠接收新數據並生成預測結果，為應用系統提供智能服務的過程。它標誌著模型從實驗階段走向實際商業應用，實現技術價值的落地。
查看AI術語
增量學習(Incremental Learning)
增量學習是一種機器學習方法，著重於讓模型在已有知識基礎上，能夠隨著新數據或新任務的到來逐步更新和學習，而無需從頭開始重訓整個模型。這種學習方式模擬人類的學習過程，可以不斷吸收新信息的同時保留過去已學到的知識，實現持續學習和適應環境變化的能力。
查看AI術語
梯度下降法（Gradient descent）
梯度下降法是一種基礎且廣泛應用於機器學習和深度學習中的數值優化算法，主要用於求解目標函數的極小值。簡單理解，它是一種通過沿著函數的梯度反方向反覆迭代更新參數，使得損失函數逐步減小，最終逼近最優解的方法。梯度下降法是訓練模型，特別是神經網絡中不可或缺的核心技術。
查看AI術語