واژه‌نامه فنی هوش سیم‌آر

مجموعه‌ای از روش‌ها برای ساخت سیستم‌هایی که می‌توانند از داده الگو بیاموزند و در تصمیم‌گیری یا تخمین کمک کنند. در SIMR، هوش مصنوعی برای تحلیل و برآورد ارزش به‌کار می‌رود، نه اعلام قیمت قطعی.

زیرمجموعه‌ای از هوش مصنوعی که مدل‌ها از نمونه داده آموزش می‌بینند تا روی نمونه‌های جدید پیش‌بینی یا رتبه‌بندی انجام دهند.

تبدیل شماره خام به ویژگی‌های قابل فهم برای مدل — بدون لو دادن فرمول مخفی خاله.

نمایش ریاضی/آماری از رابطه میان ویژگی‌ها و خروجی هدف (مثلاً برآورد ارزش). مدل‌ها با داده و اعتبارسنجی تکامل می‌یابند.

فرآیند یادگیری پارامترهای مدل از روی داده آموزشی. کیفیت آموزش به کیفیت داده و طراحی مسئله وابسته است.

سنجش عملکرد مدل روی داده‌ای که برای آموزش مستقیم استفاده نشده تا از بیش‌برازش جلوگیری شود.

اجرای مدل آموزش‌دیده‌شده روی ورودی جدید برای تولید تخمین، امتیاز یا سیگنال.

مرتب‌سازی نسبی گزینه‌ها نسبت به هم؛ در بازار سیم‌کارت برای مقایسه شماره‌ها در زمینه بازار مفید است.

خانواده‌ای از مسائل یادگیری که هدف آن‌ها پیش‌بینی یک مقدار پیوسته است (مثل برآورد ارزش)، نه فقط برچسب کلاس.

مجموعه داده‌های ساخت‌یافته برای آموزش، ارزیابی یا تحلیل. SIMR دیتاست خام یا رکورد خصوصی را منتشر نمی‌کند.

زنجیره جمع‌آوری، پاکسازی، نرمال‌سازی و آماده‌سازی داده تا به لایه مدل برسد.

تغییر توزیع داده در طول زمان نسبت به آنچه مدل روی آن آموزش دیده؛ نیاز به پایش و بازآموزی دارد.

نمونه‌هایی که به‌شدت از الگوی رایج فاصله دارند و می‌توانند تخمین را منحرف کنند اگر مدیریت نشوند.

نشانه‌ای مفهومی از میزان قابل‌اتکا بودن یک خروجی مدل در شرایط داده‌ای موجود — نه تضمین صحت معامله.

نقطه مرجع برای مقایسه مدل‌ها و آزمایش‌ها؛ بدون معیار مبنا، «بهتر شدن» قابل اندازه‌گیری نیست.

اولین مدل یا روش ساده که برای تعریف کف عملکرد ساخته می‌شود. نقطه شروع تکرار و بهبود است، نه مقصد نهایی.

لایه‌ای از سیگنال‌ها، تحلیل‌ها و امتیازها که به فهم شرایط بازار کمک می‌کند؛ فراتر از یک قیمت منفرد.