над выходом продукта и стараются автоматизировать задачи своих отделов, чтобы код переходил между этапами без задержек. В DevOps ответственность за результат распределяется между всей командой77,78.
Методы эвристического поиска (Heuristic search techniques) – это методы, которые сужают поиск оптимальных решений проблемы за счет исключения неверных вариантов.
Механизм внимания (Attention mechanism) – это одно из ключевых нововведений в области нейронного машинного перевода. Внимание позволило моделям нейронного машинного перевода превзойти классические системы машинного перевода, основанные на переводе фраз. Основным узким местом в sequence-to-sequence обучении является то, что все содержимое исходной последовательности требуется сжать в вектор фиксированного размера. Механизм внимания облегчает эту задачу, так как позволяет декодеру оглядываться на скрытые состояния исходной последовательности, которые затем в виде средневзвешенного значения предоставляются в качестве дополнительных входных данных в декодер.
Мехатроника (Mechatronics) – это научно-техническая дисциплина, посвящённая созданию и эксплуатации электроприводов с программным управлением, которые обеспечивают высокоточные движения. Мехатронные узлы, блоки и системы строятся по технологиям, интегрирующим механику, электротехнику, силовую электронику, микропроцессорную технику, программное управление. Эти компактные модули применяются в самых разных системах, которые используют многие отрасли: авто- и авиастроение; космическая техника; производство спортивного оборудования; медтехника; бытовая техника; робототехника79.
Минимизация структурных рисков (Structural risk minimization, SRM) – это индуктивный принцип использования в машинном обучении. Обычно в машинном обучении обобщенная модель должна быть выбрана из конечного набора данных, что приводит к проблеме переобучения – модель становится слишком строго адаптированной к особенностям обучающего набора и плохо обобщается для новых данных. Принцип SRM решает эту проблему, уравновешивая сложность модели с ее успехом в подборе обучающих данных. Этот принцип был впервые изложен в статье 1974 года Владимира Вапника и Алексея Червоненкиса80.
Многозадачное обучение (Multitask learning) – это общий подход, при котором модели обучаются выполнению различных задач на одних и тех же параметрах. В нейронных сетях этого можно легко добиться, связав веса разных слоев. Идея многозадачного обучения была впервые предложена Ричем Каруаной в 1993 году и применялась для прогнозирования пневмонии, а также для создания системы следования дороге на беспилотных устройствах (Каруана, 1998). Фактически при многозадачном обучении модель стимулируют к созданию внутри себя такого представления данных, которые позволяет выполнить сразу много задач. Это особенно полезно для обучения общим низкоуровневым представлениям, на базе
.DevOps [Электронный ресурс] www.atlassian.com URL: https://www.atlassian.com/ru/devops (дата обращения: 07.07.2022)
.DevOps [Электронный ресурс] //mcs.mail.ru URL: https://mcs.mail.ru/blog/chto-takoe-metodologiya-devops (дата обращения: 07.07.2022)
Робототехник (роботехник). [Электронный ресурс] https://www.profguide.io. URL: https://www.profguide.io/professions/robotics.html (дата обращения: 11.03.2023)
.Structural risk minimization [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Structural_risk_minimization (дата обращения: 07.07.2022)
