Англо-русский толковый словарь по искусственному интеллекту и робототехнике

machine learning operationalization (MLOps) – операционализация машинного обучения, система, технология и программная платформа MLOps # предоставляет инструменты, которые упрощают создание, развертывание и обслуживание систем ИИ; это также быстрый и безопасный путь к внедрению методов и средств искусственного интеллекта (ИИ) благодаря автоматизации развёртывания, гармоничной интеграции и управления машинным обучением (МО) в бизнесе и в производстве, причём с минимизацией рисков и сложности возможных проблем. Рассчитана на полный жизненный цикл всех корпоративных средств машинного обучения в производстве, позволяет учёным, занимающимся проблемами работы с данными (data scientist), ИТ-специалистам и бизнес-аналитикам (business analyst) эффективно выполнять совместные проекты по машинному обучению, причём без необязательных, излишних коммуникаций. Основные компоненты и функции системы: а) развёртывание и управление (Deploy & Manage) – автоматический контроль процессов-конвейеров (pipeline validation) на реальных производственных данных перед запуском; запуск многих процессов в любой инфраструктуре в один клик; управление параметрами моделей, конфигурированием и зависимостями; б) автоматическая гармоничная интеграция (automate orchestration) – координированное взаимодействие между процессами логического вывода и обучения (inference & training pipelines); гибкие политики обновления моделей, координация состояний и поведения для взаимосвязанных процессов; в

) мониторинг и диагностика (Monitor & Diagnose) – выявление некорректных прогнозов с помощью индикаторов работоспособности ML Health; оперативное разрешение проблем благодаря моментальным снимкам состояния модели и откатам; повышение производительности МО благодаря отличной визуализации и аналитики поведения системы; г) сотрудничество (collaborate) – команды разных специалистов могут эффективно взаимодействовать с помощью разделяемых и ролевых экранных инструментальных панелей (shared & role-based dashboard); учёные по данным преобразуют экспертные знания в привычные последовательности технологических операций; ИТ-специалисты и эксплуатационники передают учёным и бизнес-аналитикам живую, реальную информацию обратной связи (см. также AI, AI system, machine learning, MLOps platform, Ops, orchestration).

machine-learning paradigm – парадигма машинного обучения # см. также machine learning.

machine learning pipeline

– конвейер машинного обучения, конвейер МО # см. также machine learning.

machine learning practitioner – практик в области машинного обучения # см. также machine learning scientist.

machine learning research – исследования в области машинного обучения # см. также machine learning

.

machine learning scientist – учёный в области машинного обучения # см. также machine learning, machine learning practitioner, machine learning research.

machine learning software – ПО машинного обучения – см. machine learning.

machine perception

– машинное восприятие, компьютерное восприятие # в обработке изображений – выделение из изображения информации в форме, пригодной для компьютерной обработки (см. также motion perception).

machine processing – автоматизированная обработка, машинная обработка, станочная обработка # технологический процесс изготовления деталей и узлов в промышленном производстве. На заводах выполняется на станках с ЧПУ и промышленными роботами. Частичные синонимы – machining tool art, machining practice (см. также industry robotics).

machine tool – 1. станок, металлорежущий станок # пример: Objects that vibrate or sway as they are transported by a machine tool or robot arm, are common industrial problems. – Объекты, которые вибрируют или раскачиваются, когда они перемещаются станком или рукой робота, представляют собой проблемы, общие для всей промышленности (см. также numerical control);

2. станочная система, станочная автоматизированная система.