温馨提示：本站仅提供公开网络链接索引服务，不存储、不篡改任何第三方内容，所有内容版权归原作者所有
AI智能索引来源：http://www.ibm.com/es-es/think/topics/topic-modeling
点击访问原文链接

¿Qué es el modelado de temas? | IBM

进入原网站 导航首页
Le damos la bienvenidaVisión generalTipos de machine learningAlgoritmos de machine learningMachine learning estadísticoÁlgebra lineal para machine learningCuantificación de la incertidumbreEquilibrio entre sesgo y varianzaVisión generalSelección de característicasExtracción de característicasEmbedding vectorialEspacio latenteAnálisis de componentes principalesAnálisis discriminante linealSobremuestreoSubmuestreoDatos sintéticosFuga de datosVisión generalRegresión linealRegresión de LassoRegresión de RidgeModelo de espacio de estadosSeries temporalesModelo autorregresivoVisión generalÁrboles de decisionesK vecinos más cercanos (KNN)Naive BayesBosque aleatorioMáquina de vectores de soporteRegresión logísticaVisión generalPotenciaciónBaggingPotenciación del gradienteClasificador de la potenciación del gradienteVisión generalAprendizaje por transferenciaVisión generalVisión generalClustering de medias kClustering jerárquicoAlgoritmo a prioriModelo de mezcla gaussianaDetección de anomalíasVisión generalFiltrado colaborativoFiltrado basado en contenidoVisión generalAprendizaje por refuerzo a partir de feedback humanoVisión generalVisión generalRetropropagaciónModelos de codificador-decodificadorRedes neuronales recurrentesRedes neuronales convolucionalesVisión generalMecanismo de atenciónAtención de consultas agrupadasCodificación posicionalAutocodificadorModelo MambaRed neuronal gráficaVisión generalModelo generativoIA generativa vs. IA predictivaVisión generalModelos de razonamientoModelos de lenguaje pequeñoAjuste de instruccionesParámetros de LLMTemperatura de LLMPuntos de referencia de LLMPersonalización de LLMModelos de difusiónAutocodificador variacional (VAE)Redes generativas adversativas (GAN)Visión generalModelos de lenguaje de visiónTutorial: Crear un estilista de IATutorial: Consultas multimodales de IA con LlamaTutorial: Consultas multimodales de IA con PixtralTutorial: Transcripción automática de podcasts con GraniteTutorial: Sistema de respuesta de análisis de imágenes de IA PPTVisión generalGraph RAGTutorial: Creación de un sistema RAG multimodal con Docling y GraniteTutorial: Evaluación del pipeline RAG con RagasTutorial: Estrategias de fragmentación de RAGTutorial: Gráfico RAG utilizando gráficos de conocimientoTutorial: Escalado de inferencias para mejorar el RAG multimodalVisión generalCodificación de VibeVisite la Guía 2025 para agentes de IAVisión generalFunción de pérdidaDatos de entrenamientoParámetros del modeloDescenso de gradienteDescenso de gradiente estocásticoAjuste de hiperparámetrosÍndice de aprendizajeVisión generalAjuste preciso eficiente en parámetros (PEFT)LoRATutorial: Ajuste preciso del modelo Granite con LoRARegularizaciónModelos fundacionalesSobreajusteInfraajusteAprendizaje few shotAprendizaje zero shotDestilación de conocimientosMetaaprendizajeAumento de datosOlvido catastróficoVisión generalScikit-learnXGBoostPyTorchVisión generalCiclo de vida de la IAInferencia de la IAImplementación de modelosCanalización de machine learningEtiquetado de datosGestión de riesgos de modelosDesviación del modeloAutoMLSelección de modeloAprendizaje federadoMachine learning distribuidoPila de IAVisión generalNatural Language UnderstandingVisión generalAnálisis de sentimientoTraducción automáticaVisión generalRecuperación de informaciónExtracción de informaciónModelado de temasAnálisis semántico latenteAsignación latente de DirichletReconocimiento de entidades nombradasEmbeddings de palabrasBag of wordsBúsqueda inteligenteReconocimiento de vozStemming y lematizaciónResumen de textosIA conversacionalAnálisis conversacionalGeneración de lenguaje naturalVisión generalClasificación de imágenesDetección de objetosSegmentación de instanciasSegmentación semánticaReconocimiento óptico de caracteresReconocimiento de imágenesVisual inspectionEda Kavlakogluprocesamiento del lenguaje naturalminería de textosaprendizaje no supervisadokit de herramientas de lenguaje natural (NLTK)Declaración de privacidad de IBMsupervisadasbag of wordsVea todos los episodios de Mixture of Expertsstemminglematizaciónreducir la dispersión y la dimensionalidadanálisis discriminante linealMonte Carlointeligencia artificialmodelos de lenguaje de gran tamañoInforme ¿Está preparada su organización para aprovechar la IA generativa? Conozca las cinco capacidades clave de orquestación que pueden ayudar a las organizaciones a abordar los retos de la implantación eficaz de la IA generativa. Lea el informeModelos de IA Explore IBM Granite IBM Granite es nuestra familia de modelos de IA abiertos, eficaces y de confianza, adaptados a la empresa y optimizados para escalar sus aplicaciones de IA. Explore las opciones de idioma, código, series de tiempo y salvaguardas. Conozca GraniteExplicativos Guía sobre PLN para principiantes Descubra cómo el procesamiento del lenguaje natural puede ayudarle a conversar de forma más natural con los ordenadores. Aprenda sobre PLNInforme IA en Acción 2024 Hemos encuestado a 2000 organizaciones sobre sus iniciativas de IA para descubrir qué funciona, qué no y cómo puede adelantarse. Lea el informeInsights Mejore sus aplicaciones con la IA Mejore sus aplicaciones con la IA integrable de IBM de IBM Explore el sitio web de IBM Developer para acceder a blogs, artículos, boletines y obtener más información sobre la IA integrable de IBM. Explore artículosFormación Manos a la obra con la IA generativa Aprenda los conceptos fundamentales y desarrolle sus habilidades con laboratorios prácticos, cursos, proyectos guiados, pruebas y mucho más. Aprenda sobre IA generativaDescubra watsonx OrchestrateExplore soluciones de PLNExplore los servicios de IADescubra watsonx OrchestrateExplore soluciones de PLNhttps://web.stanford.edu/~jurafsky/slp3/https://asistdl.onlinelibrary.wiley.com/doi/abs/10.1002/%28SICI%291097-4571%28199009%2941%3A6%3C391%3A%3AAID-ASI1%3E3.0.CO%3B2-9https://asistdl.onlinelibrary.wiley.com/doi/abs/10.1002/%28SICI%291097-4571%28199009%2941%3A6%3C391%3A%3AAID-ASI1%3E3.0.CO%3B2-9https://academic.oup.com/dsh/article/39/1/142/7515230?login=falsehttps://www.ncbi.nlm.nih.gov/pmc/articles/PMC10504675/https://link.springer.com/chapter/10.1007/978-3-031-10464-0_38https://www.sciencedirect.com/science/article/pii/S1877050921012199https://www.jmir.org/2020/12/e22609.https://academic.oup.com/dsh/article-abstract/38/2/530/6957052https://dl.acm.org/doi/10.1145/3236386.3241340https://aclanthology.org/2021.naacl-main.300.pdfhttps://proceedings.neurips.cc/paper_files/paper/2021/hash/0f83556a305d789b1d71815e8ea4f4b0-Abstract.html.https://aclanthology.org/2023.emnlp-main.581https://www.sciencedirect.com/science/article/pii/S2949719123000419https://www.computer.org/csdl/proceedings-article/bigdata/2023/10386113/1TUOz14EiBy

智能索引记录