AI, helder uitgelegd

A

Ab testing van ai modellen A/B-testen vergelijkt twee modelversies in productie om te bepalen welke betere resultaten oplevert. Lees uitleg → Wat is een activatiefunctie relu sigmoid softmax? Een activatiefunctie introduceert niet-lineariteit in neurale netwerken, waardoor ze complexe relaties kunnen leren. Lees uitleg → Wat is active learning? Active learning is een techniek waarbij het model zelf de meest informatieve datapunten selecteert om te laten labelen, wat de efficiëntie van het leerproces verhoogt. Lees uitleg → Wat is een agent omgeving actie en beloning? In reinforcement learning is de agent de beslisser, de omgeving de wereld waarmee hij interacteert, acties de keuzes en beloningen de feedback. Lees uitleg → Agentic workflows plannen uitvoeren reflecteren Agentic workflows zijn gestructureerde processen waarin een AI-agent achtereenvolgens plant, uitvoert en reflecteert om complexe taken op te lossen. Lees uitleg → Ai data centers en stroomverbruik hardware technisch AI-data centers verbruiken enorme hoeveelheden stroom voor training en inferentie van grote modellen. Lees uitleg → Ai pipelines orchestratie kubeflow airflow AI pipeline-orchestratie automatiseert de stappen van datavoorbereiding tot modeldeployment met tools zoals Kubeflow en Airflow. Lees uitleg → Wat is een algoritme in ai? Een algoritme in AI is een gestructureerde reeks stappen of regels die een computer volgt om een specifiek probleem op te lossen of een taak uit te voeren. Lees uitleg → Anomaliedetectie afwijkingsdetectie Anomaliedetectie is het identificeren van datapunten die afwijken van het normale patroon, vaak gebruikt voor fraudedetectie en systeemmonitoring. Lees uitleg → Asynchrone gpu inferentie Asynchrone GPU-inferentie laat CPU en GPU parallel werken voor hogere doorvoer en lagere latentie. Lees uitleg → Wat is het attention mechanism aandachtsmechanisme? Attention laat een model zich richten op de meest relevante delen van de invoer bij het maken van een voorspelling, wat de prestaties en interpreteerbaarheid verbetert. Lees uitleg → Audio denoising en ruisonderdrukking Audio denoising verwijdert ongewenste ruis uit audio om spraak of muziek helderder te maken. Lees uitleg → Audio language models Audio-Language Models combineren audio en tekst voor taken zoals audio-captioning en spraakvraagbeantwoording. Lees uitleg → Audio tokenisatie en spectrogrammen Audio tokenisatie zet geluid om in discrete eenheden; spectrogrammen visualiseren frequenties over tijd. Lees uitleg → Wat is een autoencoder? Een autoencoder is een neuraal netwerk dat zijn eigen invoer probeert te reconstrueren via een compressede representatie, nuttig voor dimensionaliteitsreductie en feature learning. Lees uitleg → Autogen crewai en langgraph frameworks AutoGen, CrewAI en LangGraph zijn frameworks voor het bouwen van multi-agent systemen en agentic workflows met grote taalmodellen. Lees uitleg → Automated retraining triggers Automated retraining triggert het opnieuw trainen van modellen op basis van monitoring-signalen zoals drift of prestatieverlies. Lees uitleg → Wat is automatic speech recognition asr? ASR is de technologie die gesproken taal omzet in tekst, ook wel spraakherkenning genoemd. Lees uitleg → Automl automated machine learning AutoML automatiseert het proces van het selecteren, trainen en optimaliseren van machine learning-modellen, zodat niet-experts toch goede modellen kunnen bouwen. Lees uitleg → Autonome web scrapers en browsing agents Autonome web-scrapers en browsing agents navigeren zelfstandig het web om informatie te verzamelen, te verwerken en taken uit te voeren. Lees uitleg → Wat is een autonomous ai agent? Een autonomous AI agent is een systeem dat zelfstandig doelen kan stellen, plannen en uitvoeren zonder continue menselijke tussenkomst. Lees uitleg →

B

Wat is backpropagation? Backpropagation is het algoritme dat de gradiënten van de verliesfunctie efficiënt berekent in neurale netwerken door de fout terug te propageren door de lagen. Lees uitleg → Bag of words vs tf idf Bag-of-Words en TF-IDF zijn klassieke tekstrepresentatiemethoden die woorden tellen of wegen op basis van frequentie. Lees uitleg → Batch size en iterations Batch size is het aantal trainingsvoorbeelden per gewichtsupdate; een iteratie is één zo'n update. Lees uitleg → Benchmarken van ai modellen mmlu gsm8k humaneval Benchmarks zoals MMLU, GSM8K en HumanEval meten de prestaties van AI-modellen op gestandaardiseerde taken. Lees uitleg → Bias variance tradeoff De bias-variance tradeoff beschrijft de balans tussen een te eenvoudig model (hoge bias) en een te complex model (hoge variantie). Lees uitleg →

C

Capsule networks Capsule Networks gebruiken capsules die groepen neuronen bevatten om hiërarchische relaties en ruimtelijke informatie beter te modelleren dan CNN's. Lees uitleg → Catastrophic forgetting in neurale netwerken Catastrophic forgetting is het fenomeen waarbij een neuraal netwerk de kennis van eerdere taken verliest wanneer het wordt getraind op nieuwe taken. Lees uitleg → Chunking strategieen voor rag Chunking is het opsplitsen van documenten in kleinere stukken voor efficiënte retrieval en generatie in RAG. Lees uitleg → Cloud ai platforms aws bedrock azure openai gcp vertex Cloud AI-platforms bieden beheerde diensten voor het bouwen en implementeren van AI-toepassingen. Lees uitleg → Code executie omgevingen voor ai agents sandboxing Sandboxing isoleert de code die een AI-agent uitvoert, zodat fouten of kwaadwillige acties geen schade kunnen aanrichten aan het systeem. Lees uitleg → Code generation completion copilots Code generation en completion gebruiken AI om code te schrijven of aan te vullen op basis van natuurlijke taal of context. Lees uitleg → Containerisatie van ai modellen docker kubernetes Containerisatie verpakt modellen met hun dependencies in Docker-images, die door Kubernetes worden georkestreerd. Lees uitleg → Context compression long context llms Context compression verkleint de invoer voor LLM's; long-context LLM's verwerken zeer lange teksten. Lees uitleg → Wat is continual learning permanent leren? Continual learning is het vermogen van een model om achtereenvolgens nieuwe taken te leren zonder de kennis van eerdere taken te vergeten. Lees uitleg → Continuous integration continuous deployment cicd voor ml CI/CD voor ML automatiseert het testen, valideren en deployen van modellen, met extra controle op data en modelkwaliteit. Lees uitleg → Convolutionele neurale netwerken cnn CNN's zijn gespecialiseerd in het verwerken van beelddata door gebruik te maken van convolutionele lagen die lokale patronen herkennen. Lees uitleg → Cosine similarity en distance metrics Cosine similarity meet de hoek tussen vectoren; distance metrics zoals Euclidische afstand meten de afstand ertussen. Lees uitleg → Cost optimization voor ai inferentie Cost optimization verlaagt de kosten van AI-inferentie door efficiëntere hardware, software en architectuurkeuzes. Lees uitleg → Cpu vs gpu voor ai workloads CPU's zijn flexibel en algemeen; GPU's zijn gespecialiseerd in parallelle berekeningen voor AI. Lees uitleg → Cross modal retrieval Cross-modal retrieval zoekt informatie in de ene modaliteit op basis van een query in een andere modaliteit. Lees uitleg → Cuda en rocm frameworks CUDA en ROCm zijn frameworks voor GPU-programmering, respectievelijk van NVIDIA en AMD. Lees uitleg →

D

Dall e en stable diffusion architectuur DALL-E en Stable Diffusion zijn tekst-naar-beeld modellen die gebruikmaken van diffusie en cross-attention om beelden te genereren op basis van tekstprompts. Lees uitleg → Wat is data en waarom is het essentieel voor ai? Data zijn ruwe feiten, metingen of observaties die als input dienen voor AI-systemen om patronen te leren en beslissingen te ondersteunen. Lees uitleg → Data pipelines en etl voor machine learning Data pipelines automatiseren het verzamelen, transformeren en laden van data voor ML-training en inferentie. Lees uitleg → Data versioning dvc lakefs Data versioning maakt het mogelijk om datasets te versiebeheren, net zoals code, voor reproduceerbaarheid en auditeerbaarheid. Lees uitleg → Dbscan clustering DBSCAN is een dichtheidsgebaseerd clusteralgoritme dat clusters vindt van willekeurige vorm en tegelijkertijd uitbijters detecteert. Lees uitleg → De machine learning lifecycle De ML-lifecycle beschrijft de end-to-end reis van ruwe data naar een productiemodel en terug via monitoring en hertraining. Lees uitleg → De transformer architectuur uitgelegd De Transformer is een architectuur gebaseerd op self-attention, zonder recurrentie, die parallelle verwerking mogelijk maakt en de basis vormt van moderne taalmodellen. Lees uitleg → Decision trees beslissingsbomen Een decision tree is een boomstructuur waarbij elke interne knoop een test op een feature is, elke tak een uitkomst en elk blad een klasse of waarde. Lees uitleg → Wat is een deep neural network dnn? Een Deep Neural Network is een neuraal netwerk met meerdere verborgen lagen dat complexe, niet-lineaire relaties kan leren uit grote hoeveelheden data. Lees uitleg → Deep q networks dqn DQN combineert Q-learning met diepe neurale netwerken om te leren van hoogdimensionale invoer zoals pixels. Lees uitleg → Determinisme vs non determinisme in ai outputs Deterministische AI geeft hetzelfde antwoord bij dezelfde input; non-deterministische AI kan variëren door randomness. Lees uitleg → Wat zijn diffusion models diffusiemodellen? Diffusiemodellen genereren data door stap voor stap ruis toe te voegen en vervolgens het proces om te keren om nieuwe data te creëren. Lees uitleg → Wat is dimensionality reduction dimensiereductie? Dimensiereductie verkleint het aantal variabelen in data met behoud van de belangrijkste informatie, om complexiteit te verminderen en visualisatie mogelijk te maken. Lees uitleg → Direct preference optimization dpo DPO is een methode om LLM's af te stemmen op menselijke voorkeuren zonder een apart beloningsmodel te trainen. Lees uitleg → Distributed training data parallelism vs model parallelism Distributed training verdeelt het trainingsproces over meerdere GPU's of machines voor snellere verwerking. Lees uitleg → Drones en autonome vliegsystemen Drones zijn onbemande luchtvaartuigen die autonoom kunnen vliegen voor taken zoals bezorging, inspectie en monitoring. Lees uitleg → Dropout als regularisatietechniek Dropout schakelt tijdens de training willekeurig neuronen uit om overfitting te voorkomen en de generalisatie te verbeteren. Lees uitleg →

E

Edge ai en on device processing Edge AI voert AI-taken lokaal uit op apparaten, zonder cloud, voor privacy en lage latentie. Lees uitleg → Embedded ai tinyml TinyML brengt machine learning naar microcontrollers en embedded systemen met extreem lage energie. Lees uitleg → Wat is een embedding? Een embedding is een geleerde vectorrepresentatie waarin semantische relaties tussen objecten als afstanden en richtingen in een vectorruimte worden vastgelegd. Lees uitleg → Emotion recognition uit spraak Emotieherkenning uit spraak detecteert de emotionele toestand van een spreker op basis van stemkenmerken. Lees uitleg → Wat is de encoder decoder structuur? De encoder-decoder structuur bestaat uit een encoder die de invoer comprimeert tot een representatie en een decoder die daaruit de uitvoer genereert. Lees uitleg → Ensemble learning methoden Ensemble learning combineert meerdere modellen om een beter presterend geheel te vormen dan de individuele modellen afzonderlijk. Lees uitleg → Wat is een epoch in modeltraining? Een epoch is één volledige doorgang van de trainingsdata door het model tijdens het leerproces. Lees uitleg → Experiment tracking in ml Experiment tracking legt parameters, metrieken en artefacten vast van elke training-run voor reproduceerbaarheid en vergelijking. Lees uitleg →

F

Wat is een feature kenmerk in data? Een feature is een meetbare eigenschap of variabele in data die het model gebruikt om patronen te leren en voorspellingen te doen. Lees uitleg → Feature stores feast hopsworks Een feature store is een gecentraliseerd systeem voor het beheren, delen en serveren van features voor ML-modellen. Lees uitleg → Wat is federated learning? Federated learning traint modellen op gedecentraliseerde data zonder de data zelf te verzamelen, wat privacy en efficiëntie bevordert. Lees uitleg → Feedforward neural networks fnn Een Feedforward Neural Network is het eenvoudigste neurale netwerk, waarbij informatie alleen vooruit stroomt van invoer naar uitvoer. Lees uitleg → Fine tuning vs pre training Pre-training leert een model algemene representaties op grote data, fine-tuning past deze aan voor een specifieke taak met kleinere data. Lees uitleg → Floating point precision fp32 fp16 int8 fp4 Floating point precisie bepaalt hoeveel bits worden gebruikt voor getallen, wat snelheid en nauwkeurigheid beïnvloedt. Lees uitleg →

G

Gated recurrent units gru GRU's zijn een vereenvoudigde variant van LSTM's met twee poorten, die vergelijkbare prestaties leveren met minder parameters. Lees uitleg → Geheugen beperkingen memory bound vs compute bound Memory-bound workloads worden beperkt door geheugenbandbreedte; compute-bound door rekenkracht. Lees uitleg → Generative adversarial networks gans GANs bestaan uit een generator die data maakt en een discriminator die echtheid beoordeelt, die samen worden getraind in een concurrentiestrijd. Lees uitleg → Gestructureerde vs ongestructureerde data Gestructureerde data volgen een vast schema zoals tabellen, terwijl ongestructureerde data geen vooraf gedefinieerd formaat hebben, zoals tekst, beeld of audio. Lees uitleg → Wat zijn gewichten weights en biases? Gewichten bepalen de sterkte van verbindingen tussen neuronen; biases verschuiven de activatiefunctie en helpen het model beter te passen. Lees uitleg → Gradient boosting machines xgboost lightgbm Gradient Boosting Machines bouwen sequentieel beslissingsbomen die elkaars fouten corrigeren, met XGBoost en LightGBM als populaire, efficiënte implementaties. Lees uitleg → Wat is gradient descent? Gradient descent is een optimalisatie-algoritme dat de parameters van een model stap voor stap aanpast in de richting van de steilste daling van de verliesfunctie. Lees uitleg → Graph neural networks gnn GNN's zijn neurale netwerken die werken op graafstructuren, waarbij knopen informatie uitwisselen met hun buren om representaties te leren. Lees uitleg → Ground truth en labels in ai Ground truth is de objectief vastgestelde werkelijkheid waartegen voorspellingen worden vergeleken; een label is de toegekende categorie of waarde voor een datapunt. Lees uitleg →

H

Wat is hallucinatie bij llms en hoe ontstaat het? Hallucinatie is het fenomeen waarbij een LLM plausibel klinkende maar onjuiste of verzonnen informatie genereert. Lees uitleg → Het verschil tussen ai machine learning en deep learning AI is het brede vakgebied, machine learning is een subset die leert uit data, en deep learning is een subset van machine learning met diepe neurale netwerken. Lees uitleg → Hierarchische clustering Hiërarchische clustering bouwt een hiërarchie van clusters, vaak weergegeven als een dendrogram, zonder vooraf het aantal clusters te hoeven specificeren. Lees uitleg → High performance computing hpc clusters HPC-clusters zijn krachtige systemen met vele nodes voor wetenschappelijke en AI-berekeningen. Lees uitleg → Hoe leren kunstmatige neuronen perceptrons? Een perceptron leert door gewichten aan te passen op basis van de fout tussen voorspelling en werkelijk label, met behulp van een leerregel. Lees uitleg → Hoe verwerkt een llm context context window? Het context window is het maximale aantal tokens dat een LLM tegelijk kan verwerken, inclusief invoer en uitvoer. Lees uitleg → Hoe werken convolutionele lagen en pooling? Convolutionele lagen detecteren lokale patronen met filters, terwijl pooling-lagen de ruimtelijke resolutie verkleinen en de belangrijkste informatie behouden. Lees uitleg → Hoe werken de generator en discriminator in gans? De generator maakt data uit ruis, de discriminator beoordeelt of data echt of nep is; samen drijven ze elkaar tot betere prestaties. Lees uitleg → Humanoid robotics embodied ai Humanoid robotics bouwt robots met een menselijke vorm, terwijl embodied AI de wisselwerking tussen lichaam, zintuigen en omgeving bestudeert. Lees uitleg → Hybrid search keyword dense vector search Hybride zoeken combineert keyword-gebaseerde en vector-gebaseerde retrieval voor betere zoekresultaten. Lees uitleg →

I

Imitation learning in robotica Imitation learning laat robots leren van menselijke demonstraties, in plaats van expliciete programmering of trial-and-error. Lees uitleg → Wat is een inference inferentie fase? De inference-fase is het gebruik van een getraind model om voorspellingen te doen op nieuwe data, zonder dat het model nog leert. Lees uitleg → Intent classification Intentieclassificatie bepaalt het doel of de bedoeling achter een gebruikersvraag, vaak in chatbots. Lees uitleg → Interconnects nvlink infiniband NVLink en InfiniBand zijn snelle interconnectietechnologieën voor communicatie tussen GPU's en servers. Lees uitleg →

K

K means clustering K-Means is een clusteralgoritme dat datapunten verdeelt in k groepen door de som van kwadratische afstanden tot de clustermiddelpunten te minimaliseren. Lees uitleg → K nearest neighbors knn KNN classificeert een datapunt op basis van de meerderheid van zijn k dichtstbijzijnde buren in de feature-ruimte. Lees uitleg → Kinematica en robotarmbesturing met ai Kinematica beschrijft de beweging van robotarmen; AI wordt gebruikt voor inverse kinematica, planning en adaptieve besturing. Lees uitleg → Wat is kunstmatige intelligentie ai? Kunstmatige Intelligentie is het vakgebied dat machines en software systemen ontwikkelt die taken kunnen uitvoeren waarvoor normaal menselijke intelligentie nodig is. Lees uitleg → Kv cache geheugenbeheer vllm pagedattention KV-cache beheer optimaliseert het geheugengebruik tijdens LLM-inferentie, met technieken zoals PagedAttention. Lees uitleg → Kv cache in llm inferentie De KV-cache slaat sleutel- en waardematrices op tijdens inferentie om herberekening te voorkomen en de generatie te versnellen. Lees uitleg →

L

Wat is een large language model llm? Een LLM is een neuraal netwerk met miljarden parameters dat getraind is op enorme tekstcorpora om taal te begrijpen en te genereren. Lees uitleg → Wat is de latency van een ai model? Latency is de tijd die een AI-model nodig heeft om van input tot output te komen, uitgedrukt in milliseconden of seconden. Lees uitleg → Latent audio diffusion Latent audio diffusion genereert audio door diffusie in een gecomprimeerde latente ruimte, wat efficiëntie en kwaliteit combineert. Lees uitleg → Wat is een latent space? Een latent space is een abstracte, lagere-dimensionale representatieruimte waarin een model essentiële kenmerken van data comprimeert. Lees uitleg → Llm evaluation metrics bleu rouge perplexity BLEU, ROUGE en perplexity zijn metrieken om de kwaliteit van LLM-output te evalueren. Lees uitleg → Llm guardrails en output validation guardrails ai nemo Guardrails valideren en beperken de output van LLM's om schadelijke of onjuiste antwoorden te voorkomen. Lees uitleg → Long short term memory lstm netwerken LSTM's zijn een verbeterde vorm van RNN's die met behulp van poorten langetermijnafhankelijkheden kunnen leren en het vanishing gradient-probleem overwinnen. Lees uitleg → Lora low rank adaptation LoRA is een fine-tuning-techniek die grote modellen aanpast met kleine, trainbare matrices zonder alle parameters te wijzigen. Lees uitleg → Loss function verliesfunctie uitgelegd Een verliesfunctie meet hoe ver de voorspellingen van een model van de werkelijke waarden afwijken en stuurt daarmee het leerproces. Lees uitleg →

M

Machine vertaling nmt Neural Machine Translation (NMT) vertaalt tekst automatisch met neurale netwerken, meestal transformers. Lees uitleg → Memory swapping en offloading deepspeed Memory swapping en offloading verplaatsen data tussen GPU en CPU om grote modellen te kunnen draaien. Lees uitleg → Memory systems voor agents short term vs long term Memory systems stellen AI-agenten in staat om informatie te onthouden, met kortetermijngeheugen voor de huidige taak en langetermijngeheugen voor blijvende kennis. Lees uitleg → Mixture of experts moe architectuur MoE combineert meerdere gespecialiseerde submodellen (experts) via een gating-netwerk dat bepaalt welke experts worden ingezet voor een gegeven invoer. Lees uitleg → Wat is mlops machine learning operations? MLOps is de discipline die machine learning-modellen betrouwbaar en efficiënt van ontwikkeling naar productie brengt en onderhoudt. Lees uitleg → Model compilatie onnx tensorrt openvino Model compilatie optimaliseert en vertaalt modellen voor specifieke hardware, wat snelheid en efficiëntie verhoogt. Lees uitleg → Model distillation kennisoverdracht van groot naar klein model Model distillation traint een klein model om het gedrag van een groot model na te bootsen, voor efficiëntie. Lees uitleg → Wat is een model in ai? Een model in AI is een wiskundige representatie die, na training op data, patronen kan herkennen en voorspellingen kan doen op nieuwe invoer. Lees uitleg → Wat is model kwantisatie quantization? Model-kwantisatie verlaagt de numerieke precisie van modelparameters, waardoor het model kleiner, sneller en energiezuiniger wordt. Lees uitleg → Model monitoring data drift vs concept drift Data drift is een verandering in de invoerdata; concept drift is een verandering in de relatie tussen invoer en doelvariabele. Lees uitleg → Model registries mlflow weights biases Een model registry is een gecentraliseerde opslag voor productiekandidaten, met versiebeheer en levenscyclusbeheer. Lees uitleg → Model serialization pickle safetensors gguf Model serialization slaat getrainde modellen op schijf op in een formaat dat later kan worden geladen voor inferentie. Lees uitleg → Multi agent systemen en samenwerking Multi-agent systemen laten meerdere AI-agenten samenwerken aan een taak, waarbij elke agent een eigen rol en expertise heeft. Lees uitleg → Multi head attention uitgelegd Multi-head attention voert meerdere attention-operaties parallel uit, zodat het model verschillende soorten relaties kan leren. Lees uitleg → Multimodale ai integratie van tekst beeld en audio Multimodale AI verwerkt en combineert informatie uit meerdere modaliteiten, zoals tekst, beeld en audio. Lees uitleg → Multimodale transformers Multimodale Transformers verwerken meerdere modaliteiten (tekst, beeld, audio) in één model, waardoor cross-modale taken mogelijk worden. Lees uitleg → Music generation via ai suno udio AI-muziekgeneratie maakt muziek op basis van tekstprompts, met tools zoals Suno en Udio. Lees uitleg → Music source separation stems scheiden Music source separation splitst een muziekopname in afzonderlijke instrumenten of stems, zoals zang, drums en bas. Lees uitleg →

N

Naive bayes classificaties Naive Bayes is een probabilistisch classificatie-algoritme gebaseerd op de stelling van Bayes, met de 'naïeve' aanname dat features onafhankelijk zijn. Lees uitleg → Named entity recognition ner NER identificeert en classificeert entiteiten zoals personen, organisaties en locaties in tekst. Lees uitleg → Wat is natural language processing nlp? NLP is het vakgebied binnen AI dat zich richt op het verwerken en begrijpen van natuurlijke taal door machines. Lees uitleg → Wat is een neuraal netwerk? Een neuraal netwerk is een computationeel model geïnspireerd op het brein, bestaande uit lagen van met elkaar verbonden kunstmatige neuronen. Lees uitleg → Neural processing units npu in smartphones en pcs NPU's zijn gespecialiseerde chips voor AI-taken op apparaten, met focus op energie-efficiëntie. Lees uitleg → Neuromorfe audiodetectie Neuromorfe audiodetectie gebruikt brein-geïnspireerde hardware voor efficiënte realtime geluidsverwerking. Lees uitleg → Neuromorphic computing brein geinspireerde chips Neuromorfe computing gebruikt chips die geïnspireerd zijn op de hersenen voor energiezuinige AI. Lees uitleg → Normalisatielagen batch norm layer norm Normalisatielagen stabiliseren en versnellen de training van neurale netwerken door activaties te normaliseren. Lees uitleg →

O

One shot few shot learning One-shot en few-shot learning stellen een model in staat om een nieuwe klasse te herkennen op basis van slechts één of enkele voorbeelden. Lees uitleg → Online learning vs batch learning Online learning werkt datapunt voor datapunt en past het model continu aan, terwijl batch learning het model traint op de volledige dataset in één keer. Lees uitleg → Open source vs closed source llm architecturen Open-source LLM's zijn vrij beschikbaar; closed-source modellen zijn eigendom van bedrijven en vaak alleen via API toegankelijk. Lees uitleg → Wat is over fitting en hoe voorkom je het? Overfitting ontstaat wanneer een model te veel leert van trainingsdata, inclusief ruis, en daardoor slecht generaliseert naar nieuwe data. Lees uitleg →

P

Wat zijn parameters en hyperparameters? Parameters worden door het model tijdens training geleerd; hyperparameters worden vooraf door de ontwikkelaar ingesteld en beïnvloeden het leerproces. Lees uitleg → Part of speech pos tagging POS-tagging wijst aan elk woord een grammaticale categorie toe, zoals zelfstandig naamwoord, werkwoord of bijvoeglijk naamwoord. Lees uitleg → Path planning en navigatie algoritmen Path planning bepaalt de optimale route van een robot van A naar B, rekening houdend met obstakels, kosten en dynamische omstandigheden. Lees uitleg → Performance monitoring latency throughput error rate Performance monitoring meet de operationele gezondheid van AI-systemen: latentie, doorvoer en foutpercentages. Lees uitleg → Phoneme level alignering Phoneme-level alignering bepaalt de tijdsduur van elk foneem in een audio-opname. Lees uitleg → Physics informed neural networks pinn PINN's combineren neurale netwerken met fysische vergelijkingen, zodat het model natuurwetten respecteert bij het oplossen van differentiaalvergelijkingen. Lees uitleg → Pipeline parallelism en tensor parallelism Pipeline- en tensorparallelisme zijn technieken om grote modellen over meerdere GPU's te verdelen. Lees uitleg → Policy gradients Policy gradients leren direct een beleid dat de verwachte beloning maximaliseert, zonder een waardefunctie te leren. Lees uitleg → Positional encoding in transformers Positional encoding voegt informatie toe over de positie van tokens in een sequentie, omdat Transformers zelf geen ordening kennen. Lees uitleg → Wat is principal component analysis pca? PCA is een lineaire techniek die data transformeert naar een set ongecorreleerde componenten die de variantie maximaliseren. Lees uitleg → Prompt engineering als systeemcomponent Prompt engineering is het ontwerpen en beheren van prompts als integraal onderdeel van een AI-systeem. Lees uitleg → Prompt leaking prompt injection mechanica Prompt leaking is het uitlekken van de system prompt; prompt injection is het manipuleren van het model via invoer. Lees uitleg → Pruning snoeien van neurale netwerken Pruning verwijdert onbelangrijke verbindingen of neuronen uit een neuraal netwerk om het kleiner en sneller te maken. Lees uitleg →

Q

Q learning uitgelegd Q-learning is een modelvrije reinforcement learning-algoritme dat de waarde van acties in toestanden leert zonder een model van de omgeving. Lees uitleg → Qlora quantized lora QLoRA combineert LoRA met kwantisatie om fine-tuning van grote modellen op nog minder hardware mogelijk te maken. Lees uitleg → Quantum ai quantum machine learning Quantum AI combineert quantumcomputing met machine learning voor potentieel enorme versnellingen. Lees uitleg → Question answering qa systemen QA-systemen beantwoorden vragen automatisch, variërend van feitelijke vragen tot complexe redeneringen. Lees uitleg →

R

Random forests Random Forest is een ensemble-methode die vele beslissingsbomen combineert om nauwkeurigere en robuustere voorspellingen te doen. Lees uitleg → Rate limiting en load balancing voor ai apis Rate limiting beperkt het aantal requests per gebruiker; load balancing verdeelt verkeer over meerdere servers. Lees uitleg → React pattern reason act ReAct combineert redeneren en handelen in LLM's, waardoor ze tools kunnen gebruiken en acties kunnen ondernemen. Lees uitleg → Real time audio streaming inferentie Realtime audio streaming inferentie verwerkt audio continu met lage latentie, essentieel voor live toepassingen. Lees uitleg → Reasoning models chain of thought prompting Chain-of-Thought prompting moedigt LLM's aan om redeneerstappen te expliciteren voor betere antwoorden. Lees uitleg → Recurrent neural networks rnn RNN's zijn neurale netwerken met terugkoppelingen die sequentiële data kunnen verwerken door een geheugen bij te houden. Lees uitleg → Regressiemodellen lineair logistisch Lineaire regressie voorspelt een continue waarde, terwijl logistische regressie een kans schat voor een binaire classificatie. Lees uitleg → Wat is reinforcement learning versterkingsleren? Reinforcement learning is een leervorm waarbij een agent door trial-and-error leert welke acties beloningen maximaliseren in een omgeving. Lees uitleg → Residual networks resnet skip connections ResNet introduceerde skip connections die het mogelijk maken om zeer diepe neurale netwerken te trainen zonder last van vanishing gradients. Lees uitleg → Wat is retrieval augmented generation rag? RAG combineert een retrieval-systeem met een generatief model om antwoorden te baseren op externe, actuele bronnen. Lees uitleg → Rlaif reinforcement learning from ai feedback RLAIF gebruikt een AI-model in plaats van mensen om feedback te geven bij het trainen van reinforcement learning-modellen. Lees uitleg → Rlhf reinforcement learning from human feedback RLHF gebruikt menselijke voorkeuren als beloningssignaal om AI-modellen af te stemmen op gewenst gedrag. Lees uitleg → Wat is rope rotary position embedding? RoPE is een positionele encoderingstechniek die relatieve posities van tokens vastlegt via rotaties in de embedding-ruimte. Lees uitleg →

S

Self attention vs cross attention Self-attention relateert elementen binnen dezelfde sequentie, terwijl cross-attention elementen van de ene sequentie relateert aan een andere. Lees uitleg → Self correction en loop detection in agents Self-correction stelt agenten in staat om hun eigen fouten te herkennen en te verbeteren, terwijl loop detection voorkomt dat ze vastlopen in repetitieve cycli. Lees uitleg → Wat is self supervised learning? Self-supervised learning genereert zelf labels uit de data, vaak door een deel van de invoer te voorspellen op basis van de rest. Lees uitleg → Semantic search vs lexical search Semantisch zoeken matcht op betekenis; lexicaal zoeken matcht op exacte woorden of patronen. Lees uitleg → Wat is semi supervised learning? Semi-supervised learning combineert een kleine hoeveelheid gelabelde data met een grote hoeveelheid ongelabelde data om betere modellen te trainen. Lees uitleg → Sensor fusion camera lidar radar Sensor fusion combineert gegevens van camera's, LiDAR en radar om een robuuster en nauwkeuriger beeld van de omgeving te krijgen. Lees uitleg → Sentimentanalyse Sentimentanalyse bepaalt de emotionele toon van tekst, vaak positief, negatief of neutraal. Lees uitleg → Serverless ai inferentie Serverless AI-inferentie draait modellen zonder serverbeheer, met automatische schaling en betaling per gebruik. Lees uitleg → Shadow deployments en canary releases Shadow deployment draait een nieuw model naast het oude zonder gebruikersimpact; canary release stuurt een klein deel van het verkeer naar het nieuwe model. Lees uitleg → Sim to real transfer van simulatie naar de echte wereld Sim-to-real transfer is het overdragen van modellen die in simulatie zijn getraind naar de echte wereld, ondanks het verschil tussen beide. Lees uitleg → Slam simultaneous localization and mapping SLAM is een techniek waarmee een robot tegelijkertijd zijn positie bepaalt en een kaart van de omgeving opbouwt. Lees uitleg → Small language models slms edge llms Small Language Models zijn compacte LLM's die op edge-apparaten kunnen draaien met beperkte rekenkracht. Lees uitleg → Sound event detection het herkennen van omgevingsgeluiden Sound Event Detection identificeert en lokaliseert geluiden zoals glazen breken, honden blaffen of autotoeters. Lees uitleg → Speaker diarization wie spreekt wanneer Speaker diarization bepaalt wie wanneer spreekt in een audio-opname met meerdere sprekers. Lees uitleg → Specialized asics voor ai ASIC's zijn chips die speciaal voor AI zijn ontworpen, met hoge efficiëntie voor specifieke taken. Lees uitleg → Speculative decoding Speculative decoding versnelt LLM-inferentie door een klein model meerdere tokens te laten voorstellen en een groot model deze te verifiëren. Lees uitleg → Speech to speech translation Speech-to-speech translation vertaalt gesproken taal direct naar een andere gesproken taal, met behoud van stem en emotie. Lees uitleg → Spiking neural networks snn SNN's zijn neurale netwerken die werken met discrete spikepulsen in de tijd, geïnspireerd op de werking van biologische neuronen. Lees uitleg → State space models ssm en mamba SSM's modelleren sequentiële data met lineaire differentiaalvergelijkingen; Mamba is een efficiënte SSM-variant die concurreert met Transformers. Lees uitleg → Stop words en lemmatisatie Stop words zijn veelvoorkomende woorden zonder veel betekenis; lemmatisatie reduceert woorden tot hun basisvorm. Lees uitleg → Structured outputs json mode instructor Structured outputs dwingen LLM's om output in een specifiek formaat te genereren, zoals geldige JSON. Lees uitleg → Wat is supervised learning geleerd leren? Supervised learning is een vorm van machine learning waarbij een model leert van gelabelde trainingsdata om voorspellingen te doen op nieuwe, ongeziene data. Lees uitleg → Support vector machines svm Support Vector Machines vinden een optimaal hypervlak dat de klassen scheidt met een zo groot mogelijke marge. Lees uitleg → Swarm intelligence zwermintelligentie Swarm intelligence is het collectieve gedrag van gedecentraliseerde systemen, geïnspireerd op mieren, bijen en vogels, waarbij eenvoudige individuen samen complexe problemen oplossen. Lees uitleg → Synthetic data generation Synthetic data generation creëert kunstmatige data die de statistische eigenschappen van echte data nabootst, vaak met behulp van generatieve modellen. Lees uitleg → Wat is system prompt vs user prompt? De system prompt bepaalt het gedrag en de rol van het model; de user prompt is de concrete vraag of opdracht. Lees uitleg → Systolic arrays in ai chips Systolic arrays zijn architecturen voor efficiënte matrixvermenigvuldiging in AI-chips zoals TPU's. Lees uitleg →

T

Task decomposition taken opbreken in stappen Task decomposition breekt een complexe taak op in kleinere, beheersbare deelstappen die een AI-agent sequentieel of parallel kan uitvoeren. Lees uitleg → Temperature top p en top k parameters Temperature, Top-P en Top-K zijn parameters die de randomness en diversiteit van LLM-output bepalen. Lees uitleg → Tensor cores en matrix vermenigvuldiging Tensor Cores zijn gespecialiseerde eenheden in GPU's voor het versnellen van matrixvermenigvuldiging in neurale netwerken. Lees uitleg → Wat is een tensor processing unit tpu? Een TPU is een door Google ontwikkelde ASIC die is geoptimaliseerd voor tensorberekeningen in neurale netwerken. Lees uitleg → Text completion vs chatinstruction tuning Text completion voorspelt het volgende stuk tekst; instruction tuning maakt modellen geschikt voor het volgen van specifieke opdrachten. Lees uitleg → Text summarization abstractief vs extractief Tekstsamenvatting maakt een korte versie van een tekst; abstractief genereert nieuwe zinnen, extractief selecteert bestaande zinnen. Lees uitleg → Text to speech tts synthese TTS zet geschreven tekst om in gesproken audio, vaak met natuurlijke en expressieve stemmen. Lees uitleg → Text to sql conversie Text-to-SQL vertaalt natuurlijke taal vragen naar SQL-queries voor databases. Lees uitleg → Time series forecasting tijdreeksvoorspelling Time series forecasting voorspelt toekomstige waarden van een reeks op basis van historische data, zoals omzet, temperatuur of beurskoersen. Lees uitleg → Tokenisatie words subwords bpe Tokenisatie is het proces waarbij tekst wordt opgesplitst in kleinere eenheden (tokens) die een model kan verwerken. Lees uitleg → Tool use function calling door ai Tool use stelt AI-modellen in staat om externe functies en API's aan te roepen, waardoor ze acties kunnen uitvoeren en toegang krijgen tot actuele informatie. Lees uitleg → Training data vs test data Trainingsdata worden gebruikt om een model te leren, testdata om te meten hoe goed het model presteert op ongeziene voorbeelden. Lees uitleg → Wat is transfer learning? Transfer learning hergebruikt kennis die is geleerd op de ene taak om een andere, gerelateerde taak sneller en beter te leren. Lees uitleg → Tree of thoughts tot Tree of Thoughts breidt Chain-of-Thought uit door meerdere redeneerpaden te verkennen en te evalueren. Lees uitleg →

U

Wat is under fitting? Underfitting betekent dat een model te eenvoudig is om de onderliggende patronen in de data te leren, wat leidt tot slechte prestaties op zowel training als test. Lees uitleg → Wat is unsupervised learning ongeleerd leren? Unsupervised learning is een vorm van machine learning waarbij het model patronen leert uit niet-gelabelde data, zonder expliciete doelvariabele. Lees uitleg →

V

Variational autoencoders vae VAE's zijn probabilistische autoencoders die een latente ruimte leren die kan worden gesampled om nieuwe data te genereren. Lees uitleg → Vector databases pinecone milvus chroma Vector databases slaan hoogdimensionale vectoren op en maken efficiënt gelijkeniszoeken mogelijk. Lees uitleg → Wat is een vector representatie? Een vector-representatie is een numerieke weergave van data als een lijst getallen, zodat een computer ermee kan rekenen. Lees uitleg → Vision language models vlm VLM's combineren beeld en tekst om taken zoals beeldbeschrijving en visuele vraagbeantwoording uit te voeren. Lees uitleg → Vision transformers vit ViT past de Transformer-architectuur toe op afbeeldingen door deze op te delen in patches en deze als tokens te behandelen. Lees uitleg → Voice cloning en stem synthese Voice cloning maakt het mogelijk om de stem van een persoon na te bootsen met AI, vaak met weinig referentie-audio. Lees uitleg → Vram en geheugenbandbreedte bij ai VRAM is het geheugen van een GPU; bandbreedte bepaalt hoe snel data kan worden verwerkt voor AI. Lees uitleg →

W

Word embeddings word2vec glove Word embeddings zijn dense vectorrepresentaties van woorden die semantische relaties vastleggen. Lees uitleg →

Z

Zelfrijdende auto systemen niveaus 0 tot 5 De SAE-niveaus 0 tot 5 beschrijven de mate van automatisering in zelfrijdende auto's, van volledig handmatig tot volledig autonoom. Lees uitleg → Zero shot learning Zero-shot learning is het vermogen van een model om een taak uit te voeren zonder enige voorbeelden van die taak te hebben gezien tijdens de training. Lees uitleg → Zero shot tts Zero-shot TTS genereert spraak in de stem van een spreker met alleen een korte referentie-audio. Lees uitleg →