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/uncertainty-quantification
点击访问原文链接

Cuantificación de la incertidumbre | 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 inspectionJoshua Noblede machine learningDeclaración de privacidad de IBMseries temporalesScikit-learnparámetro del modeloPyMCTensorflow-Probability.Vea todos los episodios de Mixture of ExpertsARIMAEl deep learningredes neuronalesLibro electrónico Desbloquee el poder de la IA generativa + ML Aprenda a incorporar con confianza la IA generativa y el machine learning a su negocio. Lea el e-bookFormación Amplíe sus conocimientos de ML Aprenda los conceptos fundamentales y desarrolle sus habilidades con laboratorios prácticos, cursos, proyectos guiados, pruebas y mucho más. Explore cursos de MLLibro electrónico Desbloquee el poder de la IA generativa + ML Aprenda a incorporar con confianza la IA generativa y el machine learning a su negocio. Lea el e-bookGuía Ponga la IA a trabajar: cómo impulsar el ROI con la IA generativa ¿Quiere obtener un mayor rendimiento de sus inversiones en IA? Descubra cómo escalar la IA generativa en áreas clave impulsa el cambio ayudando a sus mentes más brillantes a crear y ofrecer nuevas soluciones innovadoras. Lea la guíaLibro electrónico Cómo elegir el modelo fundacional adecuado Aprenda a seleccionar el modelo fundacional de IA más adecuado para su caso de uso. Lea el e-bookModelos 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 GraniteGuía Cómo prosperar en la era de la IA con seguridad y confianza Profundice en los tres elementos cruciales de una estrategia de IA sólida: crear una ventaja competitiva, ampliar la IA en toda la empresa y promover una IA fiable. Lea la guíaInforme Informe AI in Action Hemos encuestado a 2000 organizaciones sobre sus iniciativas de IA para descubrir qué funciona, qué no y cómo puede adelantarse. Lea el informeDescubra watsonx.aiExplore las soluciones de IAExplore los servicios de IAExplore watsonx.aiSolicite una demostración en directohttps://doi.org/10.1080/01621459.1976.10480949https://arxiv.org/abs/2107.07511https://arxiv.org/abs/1612.01474https://proceedings.neurips.cc/paper_files/paper/1995/file/7cce53cf90577442771720a370c3c723-Paper.pdfhttps://arxiv.org/abs/2308.01222https://proceedings.mlr.press/v70/guo17a/guo17a.pdfhttps://openaccess.thecvf.com/content_CVPRW_2019/papers/Uncertainty and Robustness in Deep Visual Learning/Nixon_Measuring_Calibration_in_Deep_Learning_CVPRW_2019_paper.pdf

智能索引记录