Digital Dictionary

Bias:

Assumptions made by a model that simplify the process of learning to do its assigned task. Most supervised machine learning models perform better with low bias, as these assumptions can negatively affect results.

Bias (Yapay Zeka Varsayımı):

Bir modelin, belirli bir problemi çözmek veya bir görevi yerine getirmek amacıyla öğrenme sürecini basitleştiren ve verilerle ilgili belirli ön kabulleri içeren önermeler veya kabul edilen gerçeklerdir. Bu öğrenilmiş varsayımlar, modelin performansını ve doğruluğunu etkileyebilir.

Pristrasnost:

Pretpostavke koje model pravi i koje pojednostavljuju proces učenja za obavljanje dodeljenog zadatka. Većina modela nadgledanog mašinskog učenja postiže bolje rezultate sa niskim stepenom pristrasnosti, jer te pretpostavke mogu negativno uticati na rezultate.

Bias (Elfogultság):
A modellek által tett feltételezések, amelyek egyszerűsítik a tanulási folyamatot, hogy elvégezzék a hozzárendelt feladatot. A legtöbb felügyelt gépi tanulási modell jobb teljesítményt nyújt alacsony bias mellett, mivel ezek a feltételezések negatívan befolyásolhatják az eredményeket.

Voreingenommenheit:

 Annahmen eines Modells, die den Lernprozess zur Erfüllung der ihm zugewiesenen Aufgabe vereinfachen. Die meisten überwachten Modelle für maschinelles Lernen schneiden besser ab, wenn die Verzerrungen gering sind, da diese Annahmen die Ergebnisse negativ beeinflussen können.

Behavioral Analytics :

AI-powered analysis of user behavior and interactions within virtual worlds to improve user experience and engagement. It is the process of collecting and analyzing data from actions performed by users of a digital product, such as an app or website.

Behavioral Analytics (Davranışsal Analiz):

 Davranış analizi insanların nasıl ve neden o şekilde davrandığını anlamaya çalışan bir veri analizi türüdür. Davranış analizi tüketicilerin dijital uygulamalarla (e-ticaret, mobil, sosyal medya, oyun, IoT) nasıl ilişki kurduklarını ölçer.

Bu süreç kullanıcıların bir uygulama yada web sitesindeki geçmiş aktiviteler gibi verilerini toplayarak .öngörü oluşturmayı ve gelecekteki eğilimleri tahmin etmeye çalışır.

Bihevioralna analitika:

Analiza ponašanja korisnika i interakcija unutar virtuelnih svetova pomoću veštačke inteligencije radi poboljšanja iskustva i učešća korisnika. To je proces prikupljanja i analize podataka o radnjama koje obavljaju korisnici digitalnog proizvoda, poput aplikacije ili veb-sajta.

Viselkedés-elemzés:
MI-alapú elemzés a felhasználói viselkedésről és interakciókról a virtuális világokban, a felhasználói élmény és elköteleződés javítása érdekében. Ez a folyamat magában foglalja az adatgyűjtést és elemzést a digitális termékek, például alkalmazások vagy weboldalak felhasználóinak által végzett tevékenységekről.

Verhaltensanalyse :

KI-gestützte Analyse des Nutzerverhaltens und der Interaktionen in virtuellen Welten zur Verbesserung der Nutzererfahrung und -bindung. Es handelt sich um den Prozess der Sammlung und Analyse von Daten aus Aktionen, die von Nutzern eines digitalen Produkts, wie einer App oder Website, durchgeführt werden.

Backpropagation:

Backpropagation is a supervised learning algorithm used for training artificial neural networks. It involves a forward pass where inputs are passed through the network to generate an output, and a backward pass where errors are propagated backward through the network to update the weights, minimizing the difference between the predicted and actual outputs.

Geriye Yayılım (Backpropagation)

Geriye yayılım, yapay sinir ağlarını eğitmek için kullanılan denetimli bir öğrenme algoritmasıdır. Bir ileri geçişte, girdiler ağ boyunca geçirilerek bir çıktı üretilir ve bir geri geçişte hatalar ağ boyunca geriye doğru yayılır ve ağırlıklar güncellenir. Bu, tahmin edilen ve gerçek çıktılar arasındaki farkı en aza indirmeyi amaçlar.

Povratna propagacija:

Povratna propagacija je algoritam nadgledanog učenja koji se koristi za obučavanje veštačkih neuronskih mreža. Ovaj proces obuhvata prolazak unapred, gde se podaci na ulazu prosleđuju kroz mrežu radi generisanja rezultata, i prolazak unazad, gde se greške propagiraju unazad kroz mrežu kako bi se ažurirali parametri neuronskih veza, čime se smanjuje razlika između predviđenih i stvarnih rezultata.

Visszaterjesztés (Backpropagation):
A visszaterjesztés egy felügyelt tanulási algoritmus, amelyet mesterséges neurális hálózatok képzésére használnak. Magában foglal egy előre irányuló lépést, amely során a bemeneteket átfuttatják a hálózaton, hogy kimenetet generáljanak, és egy visszafelé irányuló lépést, amely során a hibák visszaterjednek a hálózaton, hogy frissítsék a súlyokat, minimalizálva a becsült és a tényleges kimenetek közötti különbséget.

Backpropagation ist ein überwachter Lernalgorithmus, der für das Training künstlicher neuronaler Netze verwendet wird. Er umfasst einen Vorwärtsdurchlauf, bei dem Eingaben durch das Netzwerk geleitet werden, um eine Ausgabe zu erzeugen, und einen Rückwärtsdurchlauf, bei dem Fehler rückwärts durch das Netzwerk propagiert werden, um die Gewichte zu aktualisieren und die Differenz zwischen den vorhergesagten und tatsächlichen Ausgaben zu minimieren.

Blend:

In artistic terms, blend means to smoothly mix different colors, shades, or textures to create a seamless and harmonious transition. This technique ensures that transitions between elements are smooth and natural.

Karıştırmak:

Sanat terimlerinde karıştırmak, farklı renkleri, tonları veya dokuları düzgün bir şekilde karıştırarak pürüzsüz ve uyumlu bir geçiş oluşturmak anlamına gelir. Bu teknik, unsurlar arasındaki geçişlerin düzgün ve doğal olmasını sağlar.

Stapanje:

U kontekstu umetnosti, pojam „blend” ili „stapanje” označava lagano mešanje različitih boja, nijansi ili tekstura kako bi se dobio besprekoran i harmoničan prelaz. Ova tehnika obezbeđuje da prelazi između elemenata budu meki i prirodni.

Árnyalás (Blend):
Művészeti értelemben az árnyalás azt jelenti, hogy simán keverjük össze a különböző színeket, árnyalatokat vagy textúrákat, hogy zökkenőmentes és harmonikus átmenetet hozzunk létre. Ez a technika biztosítja, hogy az elemek közötti átmenetek simák és természetesek legyenek.

Mischen:

Im künstlerischen Sinne bedeutet Überblendung, dass verschiedene Farben, Schattierungen oder Texturen sanft gemischt werden, um einen nahtlosen und harmonischen Übergang zu schaffen. Diese Technik gewährleistet, dass die Übergänge zwischen den Elementen fließend und natürlich sind.

Blockchain:

A distributed, multi-computer digital ledger that is decentralized and prevents transaction records from being changed after the fact. Blockchain technology may be applied to digital media to manage rights and distribute material securely. Transparency is guaranteed, and illegal duplication is avoided. Additionally, blockchain can make micropayments to content providers easier.

Blockchain:

Merkezi olmayan ve işlem kayıtlarının sonradan değiştirilmesini önleyen, dağıtılmış, çok bilgisayarlı bir dijital defter. Hakları yönetmek ve materyalleri güvenli bir şekilde dağıtmak için dijital medyaya Blockchain teknolojisi uygulanabilir. Şeffaflık garanti edilir ve yasa dışı çoğaltmalardan kaçınılır. Ek olarak blockchain, içerik sağlayıcılara mikro ödemeleri kolaylaştırabilir.

Blokčejn:

Digitalni sistem umreženih računara koji  radi na principu decentralizacije i raspodele podataka i sprečava izmene zapisa o transakcijama nakon što su uneseni. Tehnologija blokčejna se može primeniti u digitalnim medijima za upravljanje pravima i bezbedno distribuiranje materijala. Transparentnost je zagarantovana, a nezakonito kopiranje je onemogućeno. Pored toga, blokčejn može olakšati mikroplaćanja pružaocima sadržaja.

Blokklánc:
Egy elosztott, több számítógépes digitális főkönyv, amely decentralizált és megakadályozza, hogy a tranzakciós rekordokat utólag módosítsák. A blokklánc technológia alkalmazható a digitális médiában a jogok kezelésére és az anyagok biztonságos terjesztésére. Biztosítja az átláthatóságot, és elkerüli a jogellenes másolatok készítését. Ezen kívül a blokklánc megkönnyítheti a mikrofizetéseket a tartalomszolgáltatók számára.

Ein verteiltes, digitales Hauptbuch mit mehreren Computern, das dezentralisiert ist und verhindert, dass Transaktionsaufzeichnungen nachträglich geändert werden. Die Blockchain-Technologie kann auf digitale Medien angewendet werden, um Rechte zu verwalten und Material sicher zu verbreiten. Die Transparenz ist gewährleistet, und illegale Vervielfältigung wird vermieden. Außerdem kann Blockchain Kleinstzahlungen an Anbieter von Inhalten erleichtern.

Bias Mitigation:

Techniques used to reduce or eliminate biases in AI algorithms and systems. This helps ensure fair and equitable outcomes a preventing discrimination based on gender, race, or other factors.

Önyargı Azaltma:

AI algoritmalarında ve sistemlerindeki önyargıları azaltmak veya ortadan kaldırmak için kullanılan teknikler. Bu, cinsiyet, ırk veya diğer faktörlere dayalı ayrımcılığı önleyerek adil ve eşit çıktıların elde edilmesine yardımcı olur.

Ublažavanje pristrasnosti:

Tehnike koje se koriste za smanjenje ili eliminaciju pristrasnosti u algoritmima i sistemima veštačke inteligencije. Ovo omogućava da se obezbede pravični i jednaki ishodi, sprečavajući diskriminaciju na osnovu pola, rase i drugih faktora.

Bias csökkentése:
Olyan technikák, amelyeket az MI-algoritmusokban és rendszerekben alkalmaznak a torzítások csökkentésére vagy megszüntetésére. Ez segít biztosítani a méltányos és igazságos eredményeket, valamint megelőzni a diszkriminációt, amely alapulhat nemeken, fajúkon vagy más tényezőkön.

Abschwächung von Verzerrungen:

Techniken zur Verringerung oder Beseitigung von Verzerrungen in KI-Algorithmen und -Systemen. Dies trägt dazu bei, faire und gerechte Ergebnisse zu erzielen und Diskriminierung aufgrund von Geschlecht, Ethnie oder anderen Faktoren zu verhindern.

Classification:

Classification is a supervised learning technique in artificial intelligence (AI) and machine learning where an algorithm is trained to assign input data into predefined categories or classes. The goal is to predict the category or class label of new instances based on past observations.

Sınıflandırma:

Sınıflandırma, yapay zeka (AI) ve makine öğreniminde, bir algoritmanın girdi verilerini önceden tanımlanmış kategorilere veya sınıflara atamak üzere eğitildiği denetimli bir öğrenme tekniğidir. Amacı, geçmiş gözlemler temelinde yeni örneklerin kategorisini veya sınıf etiketini tahmin etmektir.

Klasifikacija:

Klasifikacija je tehnika nadgledanog učenja u veštačkoj inteligenciji (VI) i mašinskom učenju gde se algoritam obučava da dodeli ulazne podatke unapred definisanim kategorijama ili klasama. Cilj je predviđanje oznake kategorija ili klasa novih instanci na osnovu prethodnih posmatranja.

Osztályozás:
Az osztályozás egy felügyelt tanulási technika a mesterséges intelligenciában (MI) és gépi tanulásban, ahol egy algoritmust tanítanak arra, hogy az input adatokat előre meghatározott kategóriákba vagy osztályokba sorolja. A cél az, hogy a múltbeli megfigyelések alapján előre jelezzük egy új példa kategóriáját vagy osztálycímkéjét.

Klassifizierung:

Klassifizierung ist eine überwachte Lerntechnik im Bereich der künstlichen Intelligenz (KI) und des maschinellen Lernens, bei der ein Algorithmus darauf trainiert wird, Eingabedaten in vordefinierte Kategorien oder Klassen einzuordnen. Ziel ist es, die Kategorie oder Klassenbezeichnung neuer Instanzen auf der Grundlage früherer Beobachtungen vorherzusagen.

Composition:

Composition is all about how different pieces come together to make a whole. Whether it’s in writing, art, or music, it’s about arranging these elements in a way that achieves a certain effect or tells a particular story.

Kompozisyon:

Kompozisyon, farklı parçaların bir araya gelerek bir bütün oluşturmasıyla ilgilidir. İster yazıda, ister sanatta, ister müzikte olsun, bu öğelerin belirli bir etki yaratacak veya belirli bir hikaye anlatacak şekilde düzenlenmesiyle ilgilidir.

Kompozicija:

Kompozicija se odnosi na način na koji se različiti delovi spajaju u celinu. Bilo da je u pitanju pisanje, umetnost ili muzika, radi se o raspoređivanju tih elemenata radi postizanja određenog efekta ili pričanja određene priče.

Kompozíció:
A kompozíció arról szól, hogyan illeszkednek össze a különböző elemek, hogy egy egészet alkossanak. Legyen szó írásról, művészetről vagy zenéről, a kompozíció arról szól, hogy ezeket az elemeket úgy rendezzük el, hogy elérjünk egy bizonyos hatást vagy elmondjunk egy történetet.Komposition:

Bei der Komposition geht es darum, wie verschiedene Teile zu einem Ganzen zusammengefügt werden. Ob beim Schreiben, in der Kunst oder in der Musik, es geht darum, diese Elemente so anzuordnen, dass sie einen bestimmten Effekt erzielen oder eine bestimmte Geschichte erzählen.

Chatbot:

A chatbot is a software application that is designed to imitate human conversation through text or voice commands.

Chatbot (Sohbet robotu)

Kullanıcılarla metin veya sesli mesajlar aracılığıyla otomatik olarak iletişim kurabilen ve belirli görevleri yerine getirebilen yapay zeka tabanlı bir yazılım uygulaması.

Četbot:

Četbot je softverska aplikacija osmišljena tako da oponaša ljudski razgovor putem tekstualnih ili glasovnih komandi.

Csevegőrobot:
A csevegőrobot egy szoftveralkalmazás, amelyet arra terveztek, hogy emberi beszélgetést imitáljon szöveges vagy hangutasítások segítségével.

Ein Chatbot ist eine Softwareanwendung, die eine menschliche Unterhaltung durch Text- oder Sprachbefehle imitieren soll.

Chat Marketing:

A digital marketing strategy that uses messaging apps and chatbots to engage with customers, provide support, and promote products or services.

Sohbet Pazarlaması:

Mesajlaşma uygulamaları ve sohbet botları kullanarak müşterilerle etkileşimde bulunma, destek sağlama ve ürün veya hizmet tanıtımı yapma stratejisi.

Čet marketing:

Strategija digitalnog marketinga koja koristi aplikacije za slanje poruka i četbotove radi komunikacije sa korisnicima, pružanja podrške i promovisanja proizvoda ili usluga.

Csevegés-alapú marketing:
Egy digitális marketing stratégia, amely üzenetküldő alkalmazásokat és csevegőrobotokat használ a vásárlókkal való kapcsolattartásra, támogatás nyújtására, valamint termékek vagy szolgáltatások népszerűsítésére.

Chat-Marketing:

Eine digitale Marketingstrategie, die Messaging-Apps und Chatbots nutzt, um mit Kunden in Kontakt zu treten, Support zu leisten und Produkte oder Dienstleistungen zu bewerben.

Clustering:

Clustering is the task of dividing a set of objects into groups, called clusters, in such a way that objects in the same cluster are more similar to each other than to those in other clusters. It is a common technique in machine learning and data analysis for finding patterns and structures in data.

Kümeleme:

Kümeleme, bir nesne grubunu, aynı kümedeki nesnelerin birbirlerine diğer kümelerdeki nesnelerden daha çok benzediği gruplara (kümelere) ayırma işlemidir. Bu, makine öğrenimi ve veri analizinde, verideki kalıpları ve yapıları bulmak için yaygın olarak kullanılan bir tekniktir.

Klasterovanje:

Klasterovanje podrazumeva podelu skupa elemenata u grupe, ili klastere, tako da su elementi unutar istog klastera sličniji jedni drugima nego elementima u drugim klasterima. To je uobičajena tehnika u mašinskom učenju i analizi podataka za pronalaženje obrazaca i struktura u podacima.

Klaszterezés:
A klaszterezés azon feladat, hogy egy objektumhalmazt csoportokra, úgynevezett klaszterekre osszunk, úgy, hogy a ugyanabban a klaszterben lévő objektumok jobban hasonlítanak egymásra, mint a más klaszterekben lévő objektumokhoz. Ez egy elterjedt technika a gépi tanulásban és adatfeldolgozásban, amelyet a minták és struktúrák keresésére alkalmaznak az adatokban.

Clustering:

Beim Clustering wird eine Menge von Objekten so in Gruppen, sogenannte Cluster, eingeteilt, dass die Objekte im selben Cluster einander ähnlicher sind als die in anderen Clustern. Es handelt sich um eine gängige Technik des maschinellen Lernens und der Datenanalyse, um Muster und Strukturen in Daten zu finden.

Collaborative Filtering:

A method in recommendation systems where items are suggested to a user based on what similar users have liked or interacted with. This approach uses user behavior data, such as ratings or interactions, to suggest items that similar users have liked.

İşbirlikçi Filtreleme:

Öneri sistemlerinde, benzer kullanıcıların beğendiği veya etkileşimde bulunduğu öğelere dayanarak bir kullanıcıya önerilerde bulunma yöntemidir. Kullanıcı davranış verilerini, örneğin derecelendirmeler veya etkileşimler gibi, kullanarak benzer kullanıcıların beğendiği öğeleri önerir.

Kolaborativno filtriranje:

Metod u sistemima za preporučivanje gde se korisnicima predlažu stavke na osnovu onoga što se sličnim korisnicima svidelo ili sa čime su imali interakciju. Ovaj pristup koristi podatke o ponašanju korisnika, poput ocena ili interakcija, u cilju preporučivanja stavki koje su se dopale sličnim korisnicima.

Kollaboratív szűrés:
Egy módszer a javaslórendszerekben, ahol a felhasználónak olyan elemeket javasolnak, amelyeket hasonló felhasználók kedveltek vagy interakcióba léptek velük. Ez a megközelítés felhasználói viselkedési adatokat, például értékeléseket vagy interakciókat használ, hogy olyan elemeket ajánljon, amelyeket hasonló felhasználók kedveltek.

Kollaborative Filterung:

Eine Methode in Empfehlungssystemen, bei der einem Nutzer Artikel auf der Grundlage dessen vorgeschlagen werden, was ähnlichen Nutzern gefallen hat oder mit denen sie interagiert haben. Bei diesem Ansatz werden Daten zum Nutzerverhalten, wie Bewertungen oder Interaktionen, verwendet, um Artikel vorzuschlagen, die ähnlichen Nutzern gefallen haben.

Content-Based Filtering:

A method used in recommendation systems where the system suggests items to users based on the attributes of previously liked items. It involves analyzing the content of items (such as text, metadata, or features) to find similarities and make recommendations that match the user’s preferences.

İçerik Tabanlı Filtreleme:

Öneri sistemlerinde kullanılan bir yöntem olup, sistemin kullanıcılara daha önce beğendikleri öğelerin özelliklerine dayanarak yeni öğeler önermesini sağlar. Öğelerin içeriği (metin, meta veriler veya özellikler gibi) analiz edilerek benzerlikler bulunur ve kullanıcının tercihleriyle uyumlu öneriler sunulur.

Filtriranje zasnovano na sadržaju:

Metod koji se koristi u sistemima za preporučivanje, gde sistem predlaže korisnicima stavke na osnovu atributa stavki koje su im se prethodno dopale. Uključuje analizu sadržaja (kao što su tekst, metapodaci ili karakteristike) da bi se pronašle sličnosti i dale preporuke koje odgovaraju željama korisnika.

Tartalom-alapú szűrés:
Egy módszer a javaslórendszerekben, ahol a rendszer olyan elemeket javasol a felhasználóknak, amelyek a korábban kedvelt elemek attribútumain alapulnak. Ez magában foglalja az elemek tartalmának (például szöveg, metaadatok vagy jellemzők) elemzését, hogy hasonlóságokat találjon, és olyan ajánlásokat tegyen, amelyek megfelelnek a felhasználó preferenciáinak.

Inhaltsbasiertes Filtern:

Eine Methode, die in Empfehlungssystemen verwendet wird, bei der das System den Nutzern Artikel vorschlägt, die auf den Attributen von Artikeln basieren, die ihnen zuvor gefallen haben. Dabei wird der Inhalt von Artikeln (z. B. Text, Metadaten oder Merkmale) analysiert, um Ähnlichkeiten zu finden und Empfehlungen auszusprechen, die den Präferenzen des Nutzers entsprechen.

Content Curation:

The process of finding, organizing, and presenting content from various sources to create a coherent and relevant collection. It involves selecting high-quality and valuable information to share with a target audience, often with the goal of informing or engaging them.

İçerik Kürasyonu /İçerik İyileştirme:

Çeşitli kaynaklardan içerik bulma, düzenleme ve sunma sürecidir. Yüksek kaliteli ve değerli bilgileri seçerek hedef kitleyle paylaşmak, genellikle onları bilgilendirmek veya etkileşimde bulunmak amacıyla yapılan bir işlemdir.

Uređivanje sadržaja:

Proces pronalaženja, organizovanja i predstavljanja sadržaja iz različitih izvora radi stvaranja koherentne i relevantne ponude. Uključuje odabir visokokvalitetnih i važnih informacija za ciljnu publiku, često u svrhu informisanja ili angažovanja te publike.

Tartalomgyűjtés:
A folyamat, amely során különböző forrásokból találják meg, szervezik és mutatják be a tartalmat egy koherens és releváns gyűjtemény létrehozása érdekében. Ez magában foglalja a magas minőségű és értékes információk kiválasztását, amelyeket egy célzott közönséggel osztanak meg, gyakran azzal a céllal, hogy tájékoztassák vagy elkötelezzék őket.

Kuratieren von Inhalten:

Der Prozess des Auffindens, Ordnens und Präsentierens von Inhalten aus verschiedenen Quellen, um eine kohärente und relevante Sammlung zu erstellen. Es geht um die Auswahl hochwertiger und wertvoller Informationen, die mit einem Zielpublikum geteilt werden sollen, oft mit dem Ziel, es zu informieren oder zu begeistern.

Content Recommendation:

The process of providing users with relevant and personalized content based on their interests, behavior, or preferences. This process leverages various algorithms and machine learning techniques to analyze the content that users have previously viewed or interacted with, aiming to suggest similar or related content.

İçerik Önerileri:

Kullanıcılara ilgi alanlarına, davranışlarına veya tercihlerine dayalı olarak ilgili ve kişiselleştirilmiş içerikler sunma sürecidir. Bu süreç, kullanıcıların daha önce görüntülediği veya etkileşime geçtiği içerikleri analiz eden ve benzer veya ilgili içerikleri önermeyi amaçlayan çeşitli algoritmalar ve makine öğrenimi teknikleri kullanılarak gerçekleştirilir.

Preporučivanje sadržaja:

Proces pružanja relevantnog i personalizovanog sadržaja korisnicima na osnovu njihovih interesovanja, ponašanja ili sklonosti. Ovaj proces koristi različite algoritme i tehnike mašinskog učenja za analizu sadržaja sa kojim su korisnici prethodno imali interakciju, sa ciljem da predloži sličan ili srodan sadržaj.

Tartalomajánlás:
A folyamat, amely során a felhasználók számára releváns és személyre szabott tartalmat biztosítanak érdeklődési körük, viselkedésük vagy preferenciáik alapján. Ez a folyamat különböző algoritmusokat és gépi tanulási technikákat használ annak elemzésére, hogy a felhasználók milyen tartalmakat néztek meg vagy léptek interakcióba korábban, célja pedig hasonló vagy kapcsolódó tartalom ajánlása.

Empfehlung von Inhalten:

Der Prozess der Bereitstellung relevanter und personalisierter Inhalte für Nutzer auf der Grundlage ihrer Interessen, ihres Verhaltens oder ihrer Vorlieben. Bei diesem Prozess werden verschiedene Algorithmen und maschinelle Lernverfahren eingesetzt, um die Inhalte zu analysieren, die die Nutzer zuvor angesehen oder mit denen sie interagiert haben, und um ähnliche oder verwandte Inhalte vorzuschlagen

Cryptography:

Information can be secured by converting it into a format that can only be read by someone who has the decryption key, a process known as cryptography. Cryptography protects the confidentiality and integrity of data in digital media, including safe online transactions and conversations. It is crucial for preserving user confidence and safeguarding sensitive data.

Kriptografi:

Bilgiler, kriptografi olarak bilinen bir işlem olan, yalnızca şifre çözme anahtarına sahip olan biri tarafından okunabilecek bir formata dönüştürülerek güvence altına alınabilir. Kriptografi, güvenli çevrimiçi işlemler ve konuşmalar da dahil olmak üzere dijital ortamdaki verilerin gizliliğini ve bütünlüğünü korur. Kullanıcı güveninin korunması ve hassas verilerin korunması açısından çok önemlidir.

Kriptografija:

Informacije se mogu zaštititi prebacivanjem u format koji može pročitati samo onaj ko poseduje ključ za dešifrovanje – proces poznat kao kriptografija. Kriptografija štiti poverljivost i integritet podataka u digitalnim medijima, uključujući bezbedne onlajn transakcije i razgovore. Ključna je za očuvanje poverenja korisnika i zaštitu osetljivih podataka.

Kriptográfia:
Az információ titkosítása olyan formátumba, amelyet csak az olvashat el, aki rendelkezik a dekódoló kulccsal, ezt a folyamatot nevezik kriptográfiának. A kriptográfia védi az adatok bizalmasságát és integritását a digitális médiában, beleértve a biztonságos online tranzakciókat és beszélgetéseket. Kulcsfontosságú a felhasználói bizalom megőrzésében és az érzékeny adatok védelmében.

Cognitive Computing:

Cognitive computing refers to systems that simulate human thought processes in a computerized model. These systems use AI and machine learning algorithms to mimic the functioning of the human brain, helping in decision-making and problem-solving.

Bilişsel Hesaplama:

İnsan düşünce süreçlerini bilgisayarlı bir modelde simüle eden sistemleri ifade eder. Bu sistemler, karar verme ve sorun çözmede insan beyninin işleyişini taklit etmek için yapay zeka ve makine öğrenimi algoritmalarını kullanır.

Kognitivno računarstvo:

Kognitivno računarstvo se odnosi na sisteme koji simuliraju procese ljudskog razmišljanja u kompjuterizovanom modelu. Ovi sistemi koriste algoritme veštačke inteligencije i mašinskog učenja da bi oponašali funkcionisanje ljudskog mozga, tako pomažući u donošenju odluka i rešavanju problema.

Kognitív számítástechnika:
A kognitív számítástechnika olyan rendszereket jelent, amelyek az emberi gondolkodási folyamatokat számítógépes modellben szimulálják. Ezek a rendszerek mesterséges intelligencia (MI) és gépi tanulási algoritmusokat alkalmaznak az emberi agy működésének utánzására, segítve a döntéshozatalt és a problémamegoldást.

Kognitives Rechnen:

Kognitives Computing bezieht sich auf Systeme, die menschliche Denkprozesse in einem computergestützten Modell simulieren. Diese Systeme nutzen künstliche Intelligenz und Algorithmen des maschinellen Lernens, um die Funktionsweise des menschlichen Gehirns zu imitieren und so bei der Entscheidungsfindung und Problemlösung zu helfen.

Creative AI:

Creative AI refers to the use of artificial intelligence to augment and enhance the creative process in art and design. This includes generating new ideas, suggesting design elements, and creating artwork that aligns with specific artistic directions. Creative AI tools assist designers and art directors by providing inspiration and automating repetitive tasks.

Yaratıcı Yapay Zeka:

Sanat ve tasarımda yaratıcı süreci artırmak ve geliştirmek için yapay zekanın kullanılmasını ifade eder. Bu, yeni fikirler üretmeyi, tasarım öğeleri önermeyi ve belirli sanatsal yönlere uygun sanat eserleri yaratmayı içerir. Yaratıcı yapay zeka araçları, ilham vererek ve tekrarlayan görevleri otomatikleştirerek tasarımcılara ve sanat yönetmenlerine yardımcı olur.

Kreativna veštačka inteligencija:

Kreativna veštačka inteligencija se odnosi na upotrebu veštačke inteligencije za unapređenje i poboljšanje kreativnog procesa u umetnosti i dizajnu. To uključuje stvaranje novih ideja, predlaganje elemenata dizajna i kreiranje umetničkih dela u skladu sa određenim umetničkim pravcima. Alati kreativne veštačke inteligencije pomažu dizajnerima i umetničkim direktorima tako što im pružaju inspiraciju i automatski obavljaju zadatke koji se ponavljaju.

Kreatív MI:
A kreatív MI a mesterséges intelligencia használatát jelenti a művészetekben és a dizájnban a kreatív folyamatok fokozására és bővítésére. Ez magában foglalja új ötletek generálását, dizájnelemek javaslását és olyan műalkotások létrehozását, amelyek megfelelnek specifikus művészeti irányzatoknak. A kreatív MI eszközök segítik a dizájnereket és művészeti vezetőket, inspirációval látva el őket és automatizálva a repetitív feladatokat.Kreative KI:

Kreative KI bezieht sich auf den Einsatz künstlicher Intelligenz, um den kreativen Prozess in Kunst und Design zu unterstützen und zu verbessern. Dazu gehören das Generieren neuer Ideen, das Vorschlagen von Designelementen und das Erstellen von Kunstwerken, die einer bestimmten künstlerischen Richtung entsprechen. Kreative KI-Tools unterstützen Designer und Art-Direktoren, indem sie Inspiration liefern und sich wiederholende Aufgaben automatisieren.

Content-Aware Fill:

Content-Aware Fill is an AI-powered tool used in image editing software to remove unwanted elements from images seamlessly. It analyzes the surrounding pixels and fills the removed area with content that matches the background, making it appear as if the removed object was never there. This tool is widely used in graphic design and art direction for retouching photos and creating clean visuals.

İçerik Duyarlı Doldurma:

İstenmeyen öğeleri görüntülerden sorunsuz bir şekilde kaldırmak için görüntü düzenleme yazılımında kullanılan yapay zeka destekli bir araçtır. Çevresindeki pikselleri analiz eder ve kaldırılan alanı arka plana uygun içerikle doldurarak kaldırılan nesnenin orada hiç bulunmamış gibi görünmesini sağlar. Bu araç, grafik tasarım ve sanat yönetiminde fotoğrafları rötuşlamak ve temiz görseller oluşturmak için yaygın olarak kullanılır.

Popunjavanje sa prepoznavanjem sadržaja:

Popunjavanje sa prepoznavanjem sadržaja je alat koji radi na principu veštačke inteligencije i koristi se u softveru za uređivanje slika da bi se besprekorno uklonili neželjeni elementi sa slika. Analizira okolne piksele i popunjava uklonjeno područje sadržajem koji odgovara pozadini, čineći da izgleda kao da uklonjeni element nikada nije bio tu. Ovaj alat se često koristi u grafičkom dizajnu i umetničkoj direkciji za retuširanje fotografija i kreiranje jasnih vizuala.

Tartalomérzékelő kitöltés (Content-Aware Fill):
A tartalomérzékelő kitöltés egy MI-alapú eszköz, amelyet képszerkesztő szoftverekben használnak a nem kívánt elemek eltávolítására a képekről zökkenőmentesen. Elemzi a környező pixeleket, és kitölti az eltávolított területet olyan tartalommal, amely illeszkedik a háttérhez, így úgy tűnik, mintha az eltávolított objektum sosem lett volna ott. Ezt az eszközt széles körben használják grafikai tervezésben és művészeti irányításban a fényképek retusálására és tiszta vizuális tartalom létrehozására.

Inhaltssensitives Füllen:

Content-Aware Fill ist ein KI-gestütztes Werkzeug, das in Bildbearbeitungssoftware verwendet wird, um unerwünschte Elemente aus Bildern nahtlos zu entfernen. Es analysiert die umliegenden Pixel und füllt den entfernten Bereich mit einem Inhalt, der dem Hintergrund entspricht, so dass es so aussieht, als wäre das entfernte Objekt nie da gewesen. Dieses Werkzeug wird häufig in den Bereichen Grafikdesign und Art Direction eingesetzt, um Fotos zu retuschieren und saubere Bilder zu erstellen.

Contextual AI:

AI systems that can understand and interpret information within its relevant context. This improves the AI’s ability to respond appropriately and accurately in different situations.

Bağlamsal Yapay Zeka:

Bilgileri ilgili bağlamı içinde anlayabilen ve yorumlayabilen AI sistemleri. Bu, AI’nın farklı durumlarda uygun ve doğru bir şekilde yanıt verme yeteneğini geliştirir.

Kontekstualna veštačka inteligencija:

Sistemi veštačke inteligencije koji mogu razumeti i tumačiti informacije u okviru relevantnog konteksta. Ovo poboljšava sposobnost veštačke inteligencije da adekvatno i precizno odgovori u različitim situacijama.

Kontekstuális MI:
Olyan MI rendszerek, amelyek képesek megérteni és értelmezni az információkat a releváns kontextusukban. Ez javítja az MI képességét arra, hogy megfelelően és pontosan reagáljon különböző helyzetekben.

Kontextbezogene KI:

KI-Systeme, die Informationen in ihrem jeweiligen Kontext verstehen und interpretieren können. Dadurch wird die Fähigkeit der KI verbessert, in verschiedenen Situationen angemessen und genau zu reagieren.

Data:

The raw information used to train, validate, and test AI models. Data is a crucial component of AI systems, providing the foundation upon which models learn, make predictions, and generate insights.

Data (Veri):

Yapay zeka modellerini eğitmek, doğrulamak ve test etmek için kullanılan ham bilgi. Yapay zeka sistemlerinin öğrenme, tahminde bulunma ve içgörü üretmesi için gerekli temeli sağlar.

Podaci:

Podaci su sirove, neobrađene informacije koje se koriste za obučavanje, validaciju i testiranje modela veštačke inteligencije. Podaci su ključna komponenta svih sistema veštačke inteligencije jer predstavljaju temelj na osnovu kojeg modeli uče, kreiraju pretpostavke i generišu zaključke.

Adat:
A nyers információ, amelyet MI modellek tanítására, validálására és tesztelésére használnak. Az adat kulcsfontosságú összetevője az MI rendszereknek, mivel ez adja meg az alapot, amelyre a modellek tanulnak, előrejelzéseket készítenek és betekintéseket generálnak.

Daten:

Die Rohdaten, die zum Trainieren, Validieren und Testen von KI-Modellen verwendet werden. Daten sind eine entscheidende Komponente von KI-Systemen. Sie bilden die Grundlage, auf der Modelle lernen, Vorhersagen treffen und Erkenntnisse gewinnen.

Data Mining:

The process of analyzing patterns, anomalies, and useful information from large datasets using techniques such as statistics and machine learning. In the context of AI, data mining involves extracting meaningful insights from data to inform and improve AI models, making them more accurate and effective.

Veri (Data) Madenciliği:

İstatistik ve makine öğrenimi gibi teknikleri kullanarak büyük veri kümelerinden kalıpları, anormallikleri ve yararlı bilgileri analiz etme süreci. Yapay zeka bağlamında, modellerin doğruluğunu ve etkinliğini artırmak için verilerden içgörüler çıkarmayı amaçlar.

Rudarenje podataka:

Postupak analiziranja šablona, anomalija i korisnih informacija iz velikih skupova podataka primenom tehnika kao što su statistika i mašinsko učenje. U kontekstu veštačke inteligencije, rudarenje podataka podrazumeva izvlačenje smislenih zaključaka iz podataka sa ciljem informisanja i unapređivanja modela veštačke inteligencije, što ih čini preciznijim i efikasnijim.

Adatbányászat:
Az a folyamat, amely során mintákat, anomáliákat és hasznos információkat elemeznek nagy adatállományokból statisztikai és gépi tanulási technikák segítségével. Az MI kontextusában az adatbányászat azt jelenti, hogy jelentős betekintéseket nyerünk az adatokból, hogy tájékoztassuk és javítsuk az MI modelleket, ezáltal pontosabbá és hatékonyabbá téve őket.

Der Prozess der Analyse von Mustern, Anomalien und nützlichen Informationen aus großen Datensätzen mithilfe von Techniken wie Statistik und maschinellem Lernen. Im Zusammenhang mit KI geht es beim Data Mining darum, sinnvolle Erkenntnisse aus Daten zu extrahieren, um KI-Modelle zu informieren und zu verbessern, damit sie genauer und effektiver werden.

Digital Superintelligence:

Digital Superintelligence refers to an advanced form of artificial intelligence that surpasses the collective cognitive abilities of the human brain. It represents a level of AI that not only matches but exceeds human intelligence across virtually all domains of knowledge and problem-solving.

Sayısal Süper Zekâ:

Sayısal süper zeka, insan beyninin kolektif bilişsel yeteneklerini aşan ileri düzeyde bir yapay zeka formunu ifade eder. Bu, yapay zekanın sadece insan zekasıyla eşleşmekle kalmayıp, bilgi ve problem çözme alanlarının tamamında insan zekasını geçtiği bir seviyeyi temsil eder.

Digitalna superinteligencija:

Digitalna superinteligencija se odnosi na napredan oblik veštačke inteligencije koji prevazilazi kolektivne kognitivne sposobnosti ljudskog mozga. Ona predstavlja nivo veštačke inteligencije koji ne samo da je dorastao ljudskoj inteligenciji već je i nadmašuje u gotovo svim domenima znanja i rešavanja problema.

Digitális szuperintelligencia:
A digitális szuperintelligencia egy fejlettebb mesterséges intelligencia formát jelent, amely meghaladja az emberi agy kollektív kognitív képességeit. Olyan MI szintet képvisel, amely nemcsak az emberi intelligenciát éri el, hanem túlszárnyalja azt szinte minden tudományos és problémamegoldó területen.

Digitale Superintelligenz:

Digitale Superintelligenz bezieht sich auf eine fortgeschrittene Form der künstlichen Intelligenz, die die kollektiven kognitiven Fähigkeiten des menschlichen Gehirns übertrifft. Sie stellt eine Stufe der KI dar, die die menschliche Intelligenz in praktisch allen Bereichen des Wissens und der Problemlösung nicht nur erreicht, sondern übertrifft.

Data Labelling:

A technique through which data is marked to make objects recognizable by machines. Information is added to various data types (text, audio, image and video) to create metadata used to train AI models.

Data Labelling (Veri Etiketleme):

Veri etiketleme, makine öğrenimi veya yapay zeka modellerinin eğitimi için veri noktalarına doğru etiketlerin veya kategorilerin atanması sürecidir. Bu süreç, veri setindeki her öğenin doğru bir şekilde tanımlandığından emin olmak için yapılır, böylece modeller doğru öğrenme yapabilir ve doğru tahminlerde bulunabilir.

Označavanje (Anotacija) podataka:

Tehnika pomoću koje se podaci označavaju (anotiraju) kako bi mašine mogle da prepoznaju objekte. Informacije se dodaju raznim vrstama podataka (tekst, audio, slika i video) kako bi se kreirali metapodaci koji se koriste za obučavanje modela veštačke inteligencije.

Adatcímkézés:
Olyan technika, amelynek során az adatokat megjelölik, hogy a gépek képesek legyenek felismerni az objektumokat. Információt adnak hozzá különböző adattípusokhoz (szöveg, audió, kép és videó), hogy metainformációkat hozzanak létre, amelyeket MI modellek tanításához használnak.

Datenkennzeichnung:

Eine Technik, mit der Daten markiert werden, um Objekte für Maschinen erkennbar zu machen. Zu verschiedenen Datentypen (Text, Audio, Bild und Video) werden Informationen hinzugefügt, um Metadaten zu erstellen, die zum Trainieren von KI-Modellen verwendet werden.

Data Privacy :

It refers to the practices and policies aimed at protecting the processes of collecting, processing, storing, and sharing users’ information and preventing unauthorized access to this data.

Veri Gizliliği :

Kullanıcıların bilgilerinin toplanması işlenmesi, saklanması ve paylaşması süreçlerinin korunmasını ve bu verilere yetkili erişimin engellenmesini amaçlayan uygulama ve politikalara denir.

Privatnost i zaštita podataka:

Odnosi se na prakse i strategije čiji je cilj zaštita postupaka prikupljanja, obrade, čuvanja i deljenja podataka o korisnicima i sprečavanje neovlašćenog pristupanja ovim podacima.

Adatvédelem:
Azok a gyakorlatok és politikák, amelyek célja a felhasználók információinak gyűjtésére, feldolgozására, tárolására és megosztására vonatkozó folyamatok védelme, valamint az adatokhoz való jogosulatlan hozzáférés megakadályozása.

Datenschutz:

Er bezieht sich auf die Praktiken und Richtlinien, die darauf abzielen, die Prozesse der Erfassung, Verarbeitung, Speicherung und Weitergabe von Nutzerinformationen zu schützen und den unbefugten Zugriff auf diese Daten zu verhindern.

Data Science:

Data science is an interdisciplinary field that combines computer science with data science. It is the name given to the use of data analytics, machine learning, and artificial intelligence techniques to extract significant information from data.

Veri Bilimi:

Veri Bilimi, bilgisayar bilimleri ile veri bilimlerini birleştiren disiplinler arası bir alandır. Verilerden önemli bilgiler çıkarmak için veri analitiği, makine öğrenimi ve yapay zeka tekniklerini kullanmaya verilen isimdir.

Nauka o podacima:

Nauka o podacima je interdisciplinarna oblast koja objedinjuje računarsku nauku sa naukom o podacima. Ovim nazivom se označava primena tehnika analize podataka, mašinskog učenja i veštačke inteligencije radi dobijanja validnih informacija iz podataka.

Adattudomány:
Az adattudomány egy interdiszciplináris terület, amely a számítástechnikai tudományokat ötvözi az adatkutatással. Az adattudomány a data analytics, gépi tanulás és mesterséges intelligencia technikák alkalmazását jelenti annak érdekében, hogy jelentős információkat nyerjenek ki az adatokból.

Datenwissenschaft:

Die Datenwissenschaft ist ein interdisziplinäres Fachgebiet, das Informatik und Datenwissenschaft miteinander verbindet. Es ist die Bezeichnung für die Verwendung von Datenanalyse, maschinellem Lernen und Techniken der künstlichen Intelligenz, um wichtige Informationen aus Daten zu gewinnen.

Deep Learning:

Inspired by the human brain, Deep Learning is a leading subset of Machine Learning where AI models process and understand complex patterns and relationships in data. It is termed “deep” because it involves multiple layers of artificial neural networks. The process can occur with both supervised and unsupervised learning.

Derin Öğrenme:

İnsan beyninden esinlenerek, bilgisayarlara verileri işleme ve anlama yetisi kazandıran bir Makine Öğrenimi yöntemidir. Çoklu katmanlardan oluşan yapay sinir ağlarını kullanarak verideki karmaşık desenleri ve ilişkileri modelleme ve anlama üzerine odaklanır. Yapay zekayı eğitmek için hem denetimli hem de denetimsiz öğrenme yöntemleri kullanılabilir.

Duboko učenje:

Oponašajući funkcionisanje ljudskog mozga, duboko učenje je vodeća klasa mašinskog učenja u kojem modeli veštačke inteligencije obrađuju i tumače složene šablone i odnose između podataka. Naziva se „duboko“ jer podrazumeva više slojeva veštačkih neuronskih mreža. Ovakvo učenje može biti kako nadgledano tako i nenadgledano.

Mélytanulás:
Az emberi agy által inspirált mélytanulás a gépi tanulás egyik vezető alágazata, ahol az MI modellek komplex mintákat és kapcsolatokat dolgoznak fel és értenek meg az adatokban. A “mély” elnevezés azért van, mert mesterséges neurális hálózatok többrétegű struktúráját használja. A folyamat felügyelt és felügyelet nélküli tanulással egyaránt végbemehet.

Deep Learning:

Deep Learning wurde vom menschlichen Gehirn inspiriert und ist ein führender Teilbereich des maschinellen Lernens, bei dem KI-Modelle komplexe Muster und Beziehungen in Daten verarbeiten und verstehen. Es wird als „tief“ bezeichnet, weil es mehrere Schichten von künstlichen neuronalen Netzen umfasst. Der Prozess kann sowohl mit überwachtem als auch mit unüberwachtem Lernen erfolgen.

Deep Neural Networks (DNNs):

Deep neural networks are a type of artificial neural network (ANN) with multiple hidden layers between the input and output layers. Since ANNs typically have a single or few hidden layers, DNNs are capable of deeper and more complex learning. Each layer in a DNN processes data and passes the result to the next layer, enabling the network to learn and represent complex patterns in the data.

Derin Sinir Ağları:

Derin sinir ağları, girdi ve çıktı katmanları arasında ikiden fazla gizli katman bulunan bir tür yapay sinir ağıdır. Yapay sinir ağları tipik olarak tek veya iki gizli katmana sahip olduğundan, derin sinir ağları daha “derin” ve karmaşık öğrenme yeteneğine sahiptir. Bir derin sinir ağındaki her katman veriyi işler ve sonucu bir sonraki katmana ileterek ağın verideki karmaşık desenleri öğrenmesini ve temsil etmesini sağlar.

Duboke neuronske mreže:

Duboke neuronske mreže su vrsta veštačke neuronske mreže sa većim brojem skrivenih slojeva između ulaznog i izlaznog sloja. Pošto veštačke neuronske mreže obično imaju jedan ili tek nekoliko skrivenih slojeva, duboke neuronske mreže su sposobne za dublje i složenije učenje. Svaki sloj u dubokoj neuronskoj mreži obrađuje podatke i prosleđuje rezultat sledećem sloju, što mreži omogućava da uči i reprezentuje složene šablone u podacima.

Mély neurális hálózatok (DNN-ek):
A mély neurális hálózatok (DNN-ek) az mesterséges neurális hálózatok (ANN-ek) egy típusa, amelyek több rejtett réteggel rendelkeznek a bemeneti és kimeneti rétegek között. Mivel az ANN-ek általában egy vagy néhány rejtett réteggel rendelkeznek, a DNN-ek képesek mélyebb és összetettebb tanulásra. Minden réteg egy DNN-ben adatokat dolgoz fel, és továbbítja az eredményt a következő rétegnek, lehetővé téve a hálózat számára, hogy tanuljon és bonyolult mintákat képviseljen az adatokban.

Tiefe neuronale Netze (DNNs):

Tiefe neuronale Netze sind eine Art künstliches neuronales Netz (ANN) mit mehreren versteckten Schichten zwischen der Eingabe- und der Ausgabeschicht. Da ANNs in der Regel nur eine oder wenige verborgene Schichten haben, sind DNNs in der Lage, tiefer und komplexer zu lernen. Jede Schicht in einem DNN verarbeitet Daten und leitet das Ergebnis an die nächste Schicht weiter, so dass das Netz komplexe Muster in den Daten lernen und darstellen kann.

Deepfake:

a video, picture or sound, that has been digitally manipulated to replace one person’s likeness convincingly with that of another, often used maliciously to show someone doing something that he or she did not do

Deepfake:

Genellikle yapay zeka veya makine öğrenmesi tekniklerini kullanarak oluşturulan sahte veya manipüle edilmiş bir video veya ses kaydını ifade eder. Çoğunlukla mevcut bir görüntü de yada videoda yer alan bir kişinin bir başka kişinin görüntüsü ile değiştirildiği medya türüdür.

Lažni snimak, Dipfejk:

Video-snimak, slika ili zvuk koji su digitalno obrađeni tako da su na njima lik i/ili glas jedne osobe uverljivo zamenjeni likom i/ili glasom druge osobe, često s malicioznom namerom da se neko prikaže kako radi nešto što nije uradio.

Deepfake:
Olyan videó, kép vagy hang, amelyet digitálisan manipuláltak, hogy egy személy hasonlóságát meggyőzően egy másik személyével helyettesítsék. Gyakran használják rosszindulatúan, hogy olyan dolgokat mutassanak be, amiket az adott személy nem tett meg.

Ein Video, ein Bild oder ein Ton, das digital manipuliert wurde, um das Abbild einer Person überzeugend durch das einer anderen zu ersetzen; wird oft böswillig verwendet, um jemanden zu zeigen, der etwas tut, was er oder sie nicht getan hat.

Decision Tree:

A supervised learning algorithm used for classification and regression tasks. It splits the data into subsets based on the value of input features, forming a tree-like model of decisions.

Karar Ağacı:

Karar ağacı, sınıflandırma ve regresyon görevleri için kullanılan bir denetimli öğrenme algoritmasıdır. Girdi özelliklerinin değerine bağlı olarak veriyi alt kümelere ayırır ve kararlar ağacı benzeri bir model oluşturur.

Stablo odlučivanja:

Tip nadgledanih algoritama za učenje koji se koristi za rešavanje problema klasifikacije i regresije. On razvrstava podatke u skupove na osnovu vrednosti ulaznih parametara i formira model odlučivanja koji podseća na razgranato stablo.

Döntési fa: 

Egy felügyelt tanulási algoritmus, amelyet osztályozási és regressziós feladatokhoz használnak. Az algoritmus az adatokat részekre osztja a bemeneti jellemzők értékei alapján, és egy fa-szerű döntési modellt alkot.

Entscheidungsbaum:

Ein überwachter Lernalgorithmus, der für Klassifizierungs- und Regressionsaufgaben verwendet wird. Er teilt die Daten auf der Grundlage des Werts der Eingabemerkmale in Teilmengen auf und bildet ein baumartiges Modell von Entscheidungen.

Digitization:

Digitization is the process of transforming analog data into a digital form.

Sayısallaştırma:

Sayısallaştırma, analog bilgiyi dijital formata dönüştürme sürecidir.

Digitalizacija:

Digitalizacija je postupak pretvaranja analognih podataka u digitalni oblik.

Digitalizálás: 

A digitalizálás az analóg adatok digitális formába történő átalakításának folyamata.

Digitalisierung:

Digitalisierung ist der Prozess der Umwandlung analoger Daten in eine digitale Form.

Data Analysis:

Data analysis is the process of cleaning, examining, interpreting, and visualizing data, achieved using various methods and business intelligence tools.

Veri Analizi:

Veri analizi, verileri temizleme, inceleme, yorumlama ve görselleştirme sürecidir; çeşitli yöntemler ve iş zekası araçları kullanılarak gerçekleştirilir.

Analiza podataka:

Analiza podataka je postupak pročišćavanja, istraživanja, tumačenja i vizuelizacije podataka koji se izvodi primenom različitih metodologija i alata poslovne inteligencije.

Adatelemzés: 

Az adatelemzés az adat tisztításának, vizsgálatának, értelmezésének és vizualizálásának folyamata, amelyet különböző módszerek és üzleti intelligencia eszközök segítségével végeznek el.

Datenanalyse:

Die Datenanalyse ist der Prozess der Bereinigung, Untersuchung, Interpretation und Visualisierung von Daten, der mit verschiedenen Methoden und Business Intelligence-Tools durchgeführt wird.

Developing a Curriculum (DACUM):

DACUM (Developing a Curriculum) is a requirement analysis technique that identifies the key duties, related tasks and required knowledge, skills, and traits needed for performing a job by working with focus groups.

Program Geliştirme (PROGEL):

Program Geliştirme (PROGEL), odak gruplar ile çalışarak, bir işi gerçekleştirmek için gerekli olan ana görevleri, ilgili işleri ve gereken bilgi, beceri ve özellikleri belirleyen bir gereksinim analizi tekniğidir.

DACUM tehnika (Razvoj okvira kompetencija):

DACUM je tehnika analize zahteva kojom se u radu s fokus grupama identifikuju ključne obaveze, s njima povezani zadaci i potrebno znanje, veštine i osobine koje su neophodne za obavljanje određenog posla.

Tantervfejlesztés (DACUM): 

A DACUM (Developing a Curriculum) egy követelményelemzési technika, amely azonosítja a kulcsfontosságú feladatokat, kapcsolódó tevékenységeket, valamint a munkavégzéshez szükséges tudást, készségeket és jellemzőket, fókuszcsoportokkal való együttműködés révén

Natural Language Understanding (NLU):

The process by which computers understand and interpret human language.

Doğal Dil Anlama (NLU):

Bilgisayarların insan dilini anlaması ve yorumlaması süreci.

Razumevanje prirodnog jezika:

Postupak putem kojeg računari razumeju i tumače ljudski jezik.

Természetes nyelv megértés (NLU): 

A folyamat, amely során a számítógépek megértik és értelmezik az emberi nyelvet.

Der Prozess, durch den Computer menschliche Sprache verstehen und interpretieren.

Natural Language Processing (NLP):

A branch of artificial intelligence that enables computers to understand, interpret, and generate human language.Doğal Dil İşleme:Bilgisayarların insan dilini anlamasını, yorumlamasını ve üretmesini sağlayan yapay zeka dalı.Obrada prirodnog jezika:
Grana veštačke inteligencije koja računarima omogućava da razumeju, tumače i generišu ljudski govor.

Természetes nyelv feldolgozásVerarbeitung natürlicher Sprache (NLP):
A mesterséges intelligencia egy ága, amely lehetővé teszi a számítógépek számára, hogy megértsék, értelmezzék és generálják az emberi nyelvet.
Ein Teilgebiet der künstlichen Intelligenz, das Computer in die Lage versetzt, menschliche Sprache zu verstehen, zu interpretieren und zu erzeugen.

Digital Twin:

A digital twin is a virtual replica of a physical object, system, or process, used to simulate, analyze, and optimize performance in real-time. In AI, digital twins can be used to model complex systems and predict their behavior under various conditions.

Dijital İkiz:

Fiziksel bir nesnenin, sistemin veya sürecin sanal bir kopyasıdır ve performansı gerçek zamanlı olarak simüle etmek, analiz etmek ve optimize etmek için kullanılır. Yapay zekada, dijital ikizler karmaşık sistemleri modelleme ve çeşitli koşullar altında davranışlarını tahmin etmek için kullanılabilir.

Digitalni blizanac:

Digitalni blizanac je virtuelna replika fizičkog objekta, sistema ili procesa koja se koristi da simulira, analizira i optimizuje učinak u realnom vremenu. U kontekstu veštačke inteligencije, digitalni blizanci se mogu koristiti za modelovanje složenih sistema i za predviđanje njihovog ponašanja u različitim uslovima.

Digitális iker:
A digitális iker egy fizikai objektum, rendszer vagy folyamat virtuális mása, amelyet a teljesítmény szimulálására, elemzésére és valós idejű optimalizálására használnak. Az MI-ben a digitális ikreket komplex rendszerek modellezésére és viselkedésük előrejelzésére használják különböző körülmények között.

Digitaler Zwilling:

Ein digitaler Zwilling ist eine virtuelle Nachbildung eines physischen Objekts, Systems oder Prozesses, die zur Simulation, Analyse und Optimierung der Leistung in Echtzeit verwendet wird. In der KI können digitale Zwillinge zur Modellierung komplexer Systeme und zur Vorhersage ihres Verhaltens unter verschiedenen Bedingungen verwendet werden.

Digital Rights Management (DRM):

Technologies used to protect and control the use of digital content, such as music, movies, and books. DRM prevents unauthorized copying, sharing, and distribution.

Dijital Hak Yönetimi (DRM):

Müzik, film ve kitap gibi dijital içeriklerin kullanımını korumak ve kontrol etmek için kullanılan teknolojiler. DRM, yetkisiz kopyalamayı, paylaşmayı ve dağıtımı önler.

Upravljanje digitalnim pravima:

Tehnologije koje se koriste za zaštitu i kontrolu upotrebe digitalnog sadržaja, kao što su muzika, filmovi i knjige. Upravljanje digitalnim pravima sprečava neovlašćeno umnožavanje, deljenje i distribuciju takvog sadržaja.

Digitális jogkezelés (DRM): 

A digitális tartalmak, például zene, filmek és könyvek használatának védelmére és ellenőrzésére szolgáló technológiák. A DRM megakadályozza az illetéktelen másolást, megosztást és terjesztést.Technologien zum Schutz und zur Kontrolle der Nutzung digitaler Inhalte, wie Musik, Filme und Bücher. DRM verhindert unerlaubtes Kopieren, Teilen und Verbreiten.

Emergent Behavior:

Emergent behavior, also referred to as emergence, occurs when an AI system displays capabilities that are not anticipated or intended.

Emergent Davranış:

Emergent davranış, aynı zamanda ortaya çıkış olarak adlandırılan, bir yapay zeka sisteminin beklenmedik veya istenmeyen yetenekler sergilemesi durumudur.

Emergentno ponašanje:

Emergentno ponašanje, koje se još naziva i emergencija, nastaje kada sistem veštačke inteligencije ispoljava sposobnosti koje nisu očekivane ili predviđene.

Emergeáló viselkedés: 

Az emergeáló viselkedés, más néven emergenciák, akkor jelentkezik, amikor egy MI rendszer olyan képességeket mutat, amelyeket nem vártak el vagy nem szándékoztak.

Emergentes Verhalten:

Emergentes Verhalten, auch als Emergenz bezeichnet, tritt auf, wenn ein KI-System Fähigkeiten zeigt, die nicht vorhergesehen oder beabsichtigt sind.

Ethics:

Ethics in AI is all about making sure that as we create and use AI, we do so in a way that’s open, fair, and respectful of people’s rights and privacy. The goal is to reduce biases, keep things safe, and think about how these technologies impact society as a whole.

Etik:

Yapay zekada etik, yapay zekayı yaratırken ve kullanırken bunu açık, adil ve insanların haklarına ve mahremiyetine saygılı bir şekilde yaptığımızdan emin olmakla ilgilidir. Amaç önyargıları azaltmak, her şeyi güvende tutmak ve bu teknolojilerin toplumu bir bütün olarak nasıl etkilediğini düşünmektir.

Etika:

Suština etike u veštačkoj inteligenciji jeste da se obezbedi da se veštačka inteligencija kreira i koristi na transparentan i pravičan način i tako da se poštuju ljudska prava i privatnost. Cilj je da se smanji pristrasnost, da se poveća bezbednost i da se ima u vidu način na koji ove tehnologije utiču na društvo u celini.

Etika: 

Az MI etikája arról szól, hogy biztosítsuk, hogy az AI létrehozása és használata nyílt, tisztességes és tiszteletteljes módon történjen az emberek jogai és magánélete szempontjából. A cél a torzulások csökkentése, a biztonság fenntartása, és annak mérlegelése, hogyan hatnak ezek a technológiák a társadalom egészére.

Die Ethik:

Bei der Ethik in der KI geht es darum, sicherzustellen, dass wir bei der Entwicklung und Nutzung von KI offen und fair vorgehen und die Rechte und die Privatsphäre der Menschen respektieren. Ziel ist es, Vorurteile abzubauen, für Sicherheit zu sorgen und darüber nachzudenken, wie sich diese Technologien auf die Gesellschaft als Ganzes auswirken

Explainable AI (XAI):

Explainable AI refers to artificial intelligence systems that can provide clear and understandable explanations for their decisions and actions to humans. This is crucial for ensuring transparency, trust, and accountability in AI systems.

Açıklanabilir Yapay Zeka (XAI):

Yapay zeka sistemlerinin kararlarını ve eylemlerini insanlara açık ve anlaşılır bir şekilde açıklayabilmesini ifade eder. Bu, yapay zeka sistemlerinde şeffaflığı, güveni ve hesap verebilirliği sağlamak için çok önemlidir.

Magyarázható MI (XAI): 

A magyarázható mesterséges intelligencia (XAI) olyan MI rendszereket jelent, amelyek képesek világos és érthető magyarázatokat adni döntéseikre és cselekedeteikre az emberek számára. Ez kulcsfontosságú a transzparencia, a bizalom és a felelősségvállalás biztosításában az MI rendszerekben.

Erklärbare KI bezieht sich auf Systeme der künstlichen Intelligenz, die dem Menschen klare und verständliche Erklärungen für ihre Entscheidungen und Handlungen liefern können. Dies ist entscheidend für die Gewährleistung von Transparenz, Vertrauen und Verantwortlichkeit in KI-Systemen.

Ethical AI:

Ethical AI refers to the development and deployment of artificial intelligence systems in ways that ensure fairness, transparency, and accountability, while avoiding harm and bias. It involves adhering to ethical principles and guidelines in AI practices.

Etik Yapay Zeka:

Adalet, şeffaflık ve hesap verebilirliği sağlarken, zarar ve önyargıdan kaçınarak yapay zeka sistemlerinin geliştirilmesi ve uygulanmasını ifade eder. Yapay zeka uygulamalarında etik ilkelere ve yönergelere uyulmasını içerir.

Etična veštačka inteligencija:

Pojam etična veštačka inteligencija odnosi se na razvoj i korišćenje sistema veštačke inteligencije uz garanciju pravičnosti, transparentnosti i odgovornosti, i na način koji nikoga ne ugrožava i kojim se eliminiše pristrasnost. To podrazumeva da se u praksama koje počivaju na veštačkoj inteligenciji moraju poštovati etički principi i smernice.

Etikus MI: 

Az etikus mesterséges intelligencia az MI rendszerek fejlesztését és alkalmazását jelenti olyan módon, amely biztosítja az igazságosságot, átláthatóságot és felelősségvállalást, miközben elkerüli a kárt és a torzulásokat. Magában foglalja az etikai elvek és irányelvek betartását az MI gyakorlatokban.

Ethische KI:

Ethische KI bezieht sich auf die Entwicklung und den Einsatz von Systemen der künstlichen Intelligenz in einer Weise, die Fairness, Transparenz und Verantwortlichkeit gewährleistet und gleichzeitig Schaden und Voreingenommenheit vermeidet. Dazu gehört die Einhaltung ethischer Grundsätze und Richtlinien in der KI-Praxis.

Explainable AI (XAI):

Refers to artificial intelligence systems that are designed to make their decision-making processes transparent and understandable to humans. This approach aims to provide clear insights into how AI algorithms arrive at specific conclusions, which is crucial for building trust and ensuring accountability in AI applications​.

Erklärbare KI (XAI):

Bezieht sich auf Systeme der künstlichen Intelligenz, die so konzipiert sind, dass ihre Entscheidungsprozesse für den Menschen transparent und verständlich sind. Dieser Ansatz zielt darauf ab, einen klaren Einblick in die Art und Weise zu geben, wie KI-Algorithmen zu bestimmten Schlussfolgerungen kommen, was für den Aufbau von Vertrauen und die Gewährleistung der Verantwortlichkeit bei KI-Anwendungen von entscheidender Bedeutung ist

Feedback Loop:

A feedback loop is a mechanism in a system or process where the output is fed back into the input of the same system or process, thereby directly influencing the system’s performance or behavior. This loop enables systems to self-regulate, learn, and optimize. The reason a machine learning system continuously improves is due to its use of this feedback loop.

Geri Bildirim Döngüsü:

Bir sistemde veya süreçte çıktının aynı sistem veya sürecin sonunda girişine geri döndüğü ve böylece sistemin performansını veya davranışını doğrudan etkilediği bir mekanizmadır. Bu döngü, sistemlerin kendilerini düzenlemelerini, öğrenmelerini ve optimize olmalarını sağlar. Makine öğrenme sisteminin sürekli daha iyiye gitmesinin sebebi bu döngüyü kullanmasıdır.

Petlja povratnih informacija:

Petlja povratnih informacija je mehanizam u sistemu ili proces kojim se izlazna vrednost ponovo unosi u ulaz istog sistema ili procesa, čime se direktno utiče na performanse ili ponašanje sistema. Ova petlja omogućava sistemima da sami sebe regulišu, da uče i da se optimizuju. Razlog zbog kojeg se određeni sistem za mašinsko učenje stalno usavršava jeste to što koristi ovu petlju povratnih informacija.

Visszacsatolási hurok: 

A visszacsatolási hurok egy mechanizmus egy rendszerben vagy folyamatban, ahol a kimenet visszakerül ugyanazon rendszer vagy folyamat bemenetére, ezzel közvetlenül befolyásolva a rendszer teljesítményét vagy viselkedését. Ez a hurok lehetővé teszi a rendszerek önszabályozását, tanulását és optimalizálását. Az oka annak, hogy egy gépi tanulási rendszer folyamatosan javul, a visszacsatolási hurok használata.

Rückkopplungsschleife:

Eine Rückkopplungsschleife ist ein Mechanismus in einem System oder Prozess, bei dem die Ausgabe in die Eingabe desselben Systems oder Prozesses zurückgeführt wird, wodurch die Leistung oder das Verhalten des Systems direkt beeinflusst wird. Diese Schleife ermöglicht es Systemen, sich selbst zu regulieren, zu lernen und zu optimieren. Der Grund, warum sich ein maschinelles Lernsystem kontinuierlich verbessert, liegt in der Nutzung dieser Rückkopplungsschleife.

Facial Recognition:

Facial recognition is a technology that uses artificial intelligence to identify or verify a person’s identity by analyzing and comparing patterns based on the person’s facial features. It is commonly used in security systems, authentication processes, and archiving systems.

Yüz Tanıma:

Yüz tanıma, bir kişinin kimliğini, yüz özelliklerine dayalı desenleri analiz ederek ve karşılaştırarak tanımlamak veya doğrulamak için yapay zekayı kullanan bir teknolojidir. Bu teknoloji genellikle güvenlik sistemlerinde, kimlik doğrulama süreçlerinde ve arşivleme sistemlerinde kullanılır.

Pepoznavanje lica:

Prepoznavanje lica je tehnologija koja koristi veštačku inteligenciju da bi prepoznala ili verifikovala identitet nekog lica tako što analizira i upoređuje šablone zasnovane na crtama lica date osobe. Često se koristi u bezbednosnim sistemima, procesima autentifikacije i sistemima za arhiviranje.

Arcfelismerés: 

Az arcfelismerés egy olyan technológia, amely mesterséges intelligenciát használ egy személy azonosságának azonosítására vagy hitelesítésére azáltal, hogy elemzi és összehasonlítja a személy arcvonásain alapuló mintákat. Ezt gyakran használják biztonsági rendszerekben, hitelesítési folyamatokban és archív rendszerekben.Gesichtserkennung:

Die Gesichtserkennung ist eine Technologie, bei der künstliche Intelligenz eingesetzt wird, um die Identität einer Person zu identifizieren oder zu überprüfen, indem Muster auf der Grundlage der Gesichtszüge der Person analysiert und verglichen werden. Sie wird häufig in Sicherheitssystemen, Authentifizierungsverfahren und Archivierungssystemen eingesetzt.

Feature Extraction:

Feature extraction is the process of transforming raw data into a set of characteristics that can be used as inputs for machine learning algorithms. This process involves selecting and/or combining variables into features, effectively reducing the dimensionality of the data while preserving relevant information.

Özellik Çıkarımı:

Özellik çıkarımı, ham verilerin makine öğrenimi algoritmalarına girdi olarak kullanılabilecek bir dizi karakteristiğe dönüştürülmesi sürecidir. Bu süreç, değişkenlerin seçilmesini ve/veya özellikler halinde birleştirilmesini içerir ve böylece verinin boyutunu düşürürken ilgili bilgilerin korunmasını sağlar.

Ekstrakcija (Izdvajanje) svojstava podataka:

Ekstrakcija svojstava podataka je proces pretvaranja sirovih podataka u skupove karakteristika koje se mogu koristiti kao ulazne vrednosti za algoritme mašinskog učenja. Ovaj proces podrazumeva odabir i/ili objedinjavanje promenljivih u svojstva, čime se zapravo smanjuje dimenzionalnost podataka, ali tako da se sačuvaju važne informacije.

Jellemzők kinyerése:
A jellemzők kinyerése az a folyamat, amely során a nyers adatokat olyan jellemzőkké alakítják, amelyeket a gépi tanulási algoritmusok bemeneti adataiként lehet felhasználni. Ez a folyamat magában foglalja a változók kiválasztását és/vagy kombinálását jellemzőkké, hatékonyan csökkentve az adatok dimenzióit, miközben megőrzi a releváns információkat.

Merkmalsextraktion:

Die Merkmalsextraktion ist der Prozess der Umwandlung von Rohdaten in eine Reihe von Merkmalen, die als Input für Algorithmen des maschinellen Lernens verwendet werden können. Dieser Prozess beinhaltet die Auswahl und/oder Kombination von Variablen zu Merkmalen, wodurch die Dimensionalität der Daten effektiv reduziert wird, während die relevanten Informationen erhalten bleiben.

Filtering:

Filtering is the process by which artificial intelligence analyzes data sets by highlighting specific criteria. During this process, typically, requested items are highlighted or inappropriate content is filtered out. Selections are made on the data using specific templates, keywords, and filtering features. The goal is often to improve user experience and enhance the quality of content.

Filtreleme:

Yapay Zekanın belirli kriterleri öne çıkararak veri setlerini analiz etme sürecidir. Süreç boyunca genellikle talep edilenler öne çıkarılır veya uygun olmayan içerikler ayıklanır. Belirli şablonlar, anahtar kelimeler, eleyici özellikler kullanılarak veri üzerinde seçim yapılır. Amaç, çoğu zaman  kullanıcı deneyimini iyileştirmek ve içerik kalitesini artmasını sağlamaktır.

Filtriranje:

Filtriranje je postupak prilikom kojeg veštačka inteligencija analizira skupove podataka tako što ističe određene kriterijume. Tokom ovog postupka, tražene stavke se obično istaknu ili se neodgovarajući sadržaj filtriranjem isključi. Odabir u skupovima podataka se vrši primenom odgovarajućih obrazaca, ključnih reči i svojstava za filtriranje. Cilj je često da se unapredi korisničko iskustvo i da se poboljša kvalitet sadržaja.

Szűrés: 

A szűrés az a folyamat, amely során a mesterséges intelligencia adatokat elemez, kiemelve bizonyos kritériumokat. Ebben a folyamatban jellemzően a kért elemek kerülnek kiemelésre, vagy a nem megfelelő tartalmak kerülnek kiszűrésre. A kiválasztásokat az adatokon specifikus sablonok, kulcsszavak és szűrőfunkciók segítségével végzik. A cél gyakran a felhasználói élmény javítása és a tartalom minőségének növelése.

Filtern:

Filterung ist der Prozess, bei dem künstliche Intelligenz Datensätze analysiert, indem sie bestimmte Kriterien hervorhebt. Während dieses Prozesses werden in der Regel angeforderte Elemente hervorgehoben oder unangemessene Inhalte herausgefiltert. Die Auswahl der Daten erfolgt anhand bestimmter Vorlagen, Schlüsselwörter und Filterfunktionen. Ziel ist es oft, die Benutzerfreundlichkeit zu verbessern und die Qualität der Inhalte zu erhöhen.

Gamification:

Gamification is about applying game thinking to non-game situations. It’s about creating a game-like experience for users to make them more interesting, engaging, and effective with their chosen goal. It’s also about encouraging users to take action by rewarding them or providing feedback on their progress.

Gamification (Oyunlaştırma):

Oyunlaştırma, oyun tasarımı unsurlarının (puanlar, rozetler, liderlik tabloları gibi) oyun dışı ortamlarda, kullanıcıların katılımını artırmak, motivasyon sağlamak ve belirli davranışları teşvik etmek amacıyla kullanılmasıdır.

Gejmifikacija:

Gejmifikacija se odnosi na primenu elemenata igara u okruženjima koja sama po sebi ne podrazumevaju igre. Suština je da se za korisnike kreira iskustvo koje podseća na igranje igre kako bi dato okruženje postalo zanimljivije, primamljivije i delotvornije u ostvarivanju svog zadatog cilja. Na taj način se korisnici podstiču i da budu aktivni tako što za svoje angažovanje dobijaju nagrade ili povratnu informaciju o ostvarenom napretku.

Gamifikáció: 

A gamifikáció arról szól, hogy a játékok logikáját alkalmazzuk nem játékhelyzetekben. A cél egy játékhoz hasonló élmény létrehozása a felhasználók számára, hogy érdekesebbé, vonzóbbá és hatékonyabbá váljanak a kitűzött céljaik elérésében. Ezen kívül arra ösztönzi a felhasználókat, hogy cselekedjenek, jutalmazás vagy visszajelzés formájában követve előrehaladásukat.

Gamifizierung:

Bei der Gamifizierung geht es um die Anwendung des Spielgedankens auf Nicht-Spiel-Situationen. Es geht darum, eine spielähnliche Erfahrung für die Benutzer zu schaffen, um sie interessanter, fesselnder und effektiver in Bezug auf ihr gewähltes Ziel zu machen. Es geht auch darum, die Benutzer zu ermutigen, etwas zu unternehmen, indem man sie belohnt oder ihnen Feedback zu ihrem Fortschritt gibt.

Generate:

To create or produce something, often through a process or action. In technology and computing, it refers to the automatic creation of data, content, or results based on certain inputs or algorithms.

Üretmek:

Bir şey yaratmak veya oluşturmak, genellikle bir süreç veya eylem yoluyla. Teknoloji ve bilgisayar bilimlerinde, belirli girişler veya algoritmalar temelinde veri, içerik veya sonuçların otomatik olarak oluşturulmasını ifade eder.

Generisati:

Kreirati ili proizvesti nešto, često kroz nekakav proces ili postupak. U tehnologiji i računarstvu, generisanje se odnosi na automatsko kreiranje podataka, sadržaja ili rezultata na osnovu određenih ulaznih parametara ili algoritama.

Generálás: 

Valaminek az előállítása vagy létrehozása, gyakran egy folyamat vagy cselekvés révén. A technológia és számítástechnika területén ez a kifejezés az adatok, tartalmak vagy eredmények automatikus létrehozását jelenti, meghatározott bemenetek vagy algoritmusok alapján.

Erzeugen:

Etwas schaffen oder produzieren, oft durch einen Prozess oder eine Aktion. In der Technik und Informatik bezieht sich der Begriff auf die automatische Erstellung von Daten, Inhalten oder Ergebnissen auf der Grundlage bestimmter Eingaben oder Algorithmen.

Generative AI:

Generative AI is a form of technology that utilizes artificial intelligence to produce content, such as text, videos, code, and images. This type of AI system is trained with vast amounts of data to identify patterns for creating new content.

Üretken Yapay Zeka:

Üretken yapay zeka, metin, video, kod ve görüntüler gibi içerikler üretmek için yapay zeka kullanan bir teknolojidir. Üretken bir yapay zeka sistemi, yeni içerik üretebilmek için kalıpları belirlemek amacıyla geniş veri miktarlarıyla eğitilir.

Generativna veštačka inteligencija:

Generativna veštačka inteligencija je vid tehnologije koji koristi veštačku inteligenciju u cilju kreiranja sadržaja, kao što su tekst, video-snimak, kod ili slika. Ova vrsta sistema veštačke inteligencije obučena je na velikim količinama podataka kako bi mogla da prepozna šablone za kreiranje novog sadržaja.

Generatív AI:

A generatív mesterséges intelligencia egy olyan technológiai forma, amely mesterséges intelligenciát használ tartalmak, például szövegek, videók, kódok és képek előállítására. Az ilyen típusú mesterséges intelligencia-rendszerek hatalmas mennyiségű adattal vannak kiképezve, hogy azonosítsák az új tartalom létrehozásának mintáit.

Backpropagation:

A learning algorithm used in neural networks to adjust weights in order to minimize error.

Geri Yayılım:

Sinir ağlarında, hatayı azaltmak için ağırlıkları ayarlamak üzere kullanılan bir öğrenme algoritması.

Povratna propagacija:

Algoritam za učenje koji se koristi u neuronskim mrežama za prilagođavanje veličina u cilju svođenja greški na minimum.

Visszaszaporítás:

Tanulási algoritmus, amelyet neurális hálózatokban használnak a súlyok beállítására a hiba minimalizálása érdekében.

Generative KI:

Generative KI ist eine Technologie, bei der künstliche Intelligenz eingesetzt wird, um Inhalte wie Text, Videos, Code und Bilder zu erstellen. Diese Art von KI-System wird mit großen Datenmengen trainiert, um Muster für die Erstellung neuer Inhalte zu erkennen.

Guardrails:

Guardrails are the limitations and rules imposed on AI systems to ensure that they process data correctly and do not produce unethical content.

Kılavuz Kurallar:

Kılavuz kurallar, yapay zeka sistemlerinin verileri uygun şekilde işlemelerini sağlamak ve etik dışı içerikler oluşturmalarını önlemek için konulan kısıtlamalar ve kurallardır.

Zaštitne ograde:

Zaštitne ograde su ograničenja i pravila koja se odnose na primenu sistema veštačke inteligencije kako bi se osiguralo da oni obrađuju podatke na pravilan način i da ne generišu neetički sadržaj.

Védőkorlátok:

A védőkorlátok a mesterséges intelligencia rendszerekre vonatkozó korlátozások és szabályok annak biztosítására, hogy helyesen dolgozzák fel az adatokat, és ne állítsanak elő etikátlan tartalmat.

Leitplanken:

Leitplanken sind die Beschränkungen und Regeln, die den KI-Systemen auferlegt werden, um sicherzustellen, dass sie Daten korrekt verarbeiten und keine unethischen Inhalte produzieren

Grammar Checker:

A grammar checker is a tool used to eliminate errors in grammar, spelling, and punctuation.

Dil Bilgisi Denetleyicisi:

Dil bilgisi denetleyicisi, dil bilgisi, yazım ve noktalama hatalarını ortadan kaldırmak için kullanılan bir araçtır.

Program za proveru gramatike:

Program za proveru gramatike je alat koji se koristi za otklanjanje grešaka u gramatici, pravopisu i upotrebi znakova interpunkcije.

Nyelvtani ellenőrző:

A nyelvtani ellenőrző egy olyan eszköz, amely a nyelvtani, helyesírási és írásjelek hibáinak kiküszöbölésére szolgál.

Grammatikprüfprogramm:

Eine Grammatikprüfung ist ein Werkzeug zur Beseitigung von Grammatik-, Rechtschreib- und Zeichensetzungsfehlern.

GPT – (Generative Pre-trained Transformer):

A type of deep learning model that generates human-like text based on large datasets. GPT models are pre-trained on vast amounts of text data, enabling them to produce coherent and contextually relevant content.

Önceden Eğitilmiş Üretken Dönüştürücü (GPT):

 Büyük veri kümelerine dayalı olarak insan benzeri metin üreten bir tür derin öğrenme modeli. GPT modelleri, tutarlı ve bağlamsal olarak ilgili içerik üretmelerini sağlayan çok miktarda metin verisi üzerinde önceden eğitilmiştir.

Generativni unapred obučeni transformator:

Vrsta modela dubokog učenja koji generiše tekst poput ljudskog bića na osnovu velikih skupova podataka. Modeli generativnih unapred obučenih transformatora su unapred obučeni na velikim količinama tekstualnih podataka, što im omogućava da kreiraju sadržaj koji je smislen i kontekstualno relevantan.

GPT – (generatív előképzett transzformátor):

A mély tanulási modell olyan típusa, amely nagy adatkészletek alapján emberszerű szöveget generál. A GPT-modellek hatalmas mennyiségű szöveges adatra vannak előtanulva, lehetővé téve számukra koherens és kontextuálisan releváns tartalom előállítását.

GPT – (Generative Pre-trained Transformer):

Eine Art von Deep-Learning-Modell, das auf der Grundlage großer Datensätze menschenähnlichen Text erzeugt. GPT-Modelle werden auf großen Mengen von Textdaten vortrainiert, sodass sie kohärente und kontextrelevante Inhalte produzieren können.

Game Theory:

A mathematical theory that analyzes strategic interactions in decision-making processes.

Oyun Teorisi:

Karar verme süreçlerinde stratejik etkileşimleri analiz eden bir matematiksel teori.

Teorija igara:

Matematička teorija koja analizira strateške interakcije u procesima odlučivanja.

Játékelmélet:

A döntéshozatali folyamatok stratégiai kölcsönhatásait elemző matematikai elmélet.

Spieltheorie:

Eine mathematische Theorie, die strategische Interaktionen in Entscheidungsprozessen analysiert.

Hallucination:

Hallucination refers to when an AI system provides an incorrect response or presents false information as though it were factual.

Halüsinasyon:

Halüsinasyon, bir yapay zeka sisteminin yanlış bir cevap vermesi veya gerçekmiş gibi sunulan hatalı bilgi anlamına gelir.

Halucinacija:

Pojam halucinacija se odnosi na slučaj kada sistem veštačke inteligencije daje netačan odgovor ili kada lažne informacije predstavlja kao činjenice.

Hallucináció:

A hallucináció azt jelenti, amikor egy mesterséges intelligencia rendszer helytelen választ ad, vagy hamis információkat közöl, mintha azok tényszerűek lennének.

Halluzination:

Eine Halluzination liegt vor, wenn ein KI-System eine falsche Antwort gibt oder falsche Informationen so darstellt, als ob sie den Tatsachen entsprächen.

Hidden Layer:

Intermediate layers in a neural network that exist between the input and output layers. These layers perform computations and extract features from the input data, which they receive from the input layer or from other hidden layers.

Gizli Katman:

Girdi ve çıktı katmanları arasında yer alan ara katmanlardır. Bu katmanlar, girdi katmanından ya da diğer gizli katmanlardan aldıkları girdi verisi üzerinden hesaplamalar yapar ve özellikler çıkarır.

Skriveni sloj:

Srednji slojevi u neuronskoj mreži koji postoje između ulaznog i izlaznog sloja. Ovi slojevi vrše izračunavanja i ekstrahuju svojstva iz ulaznih podataka koje dobijaju od ulaznog sloja ili od drugih skrivenih slojeva.

Rejtett réteg:

Köztes rétegek egy neurális hálózatban, amelyek a bemeneti és kimeneti rétegek között vannak. Ezek a rétegek számításokat hajtanak végre, és jellemzőket vonnak ki a bemeneti adatokból, amelyeket a bemeneti rétegből vagy más rejtett rétegekből kapnak.

Ausgeblendete Schicht:

Zwischenschichten in einem neuronalen Netz, die zwischen der Eingabe- und der Ausgabeschicht liegen. Diese Schichten führen Berechnungen durch und extrahieren Merkmale aus den Eingabedaten, die sie von der Eingabeschicht oder von anderen verborgenen Schichten erhalten.

Hyperparameter:

A hyperparameter is a value that influences how an AI model learns, and it is typically set manually outside the model itself.

Hyperparameter:

A hyperparameter is a value that influences how an AI model learns, and it is typically set manually outside the model itself.

Hiperparametre:

Hiperparametre, bir yapay zeka modelinin öğrenme yöntemini etkileyen ve genellikle modelin dışında manuel olarak belirlenen bir değerdir.

Hiperparametar:

Hiperparametar je vrednost koja utiče na način na koji model veštačke inteligencije uči, i obično se podešava ručno izvan samog modela.

Hyperparameter:

Ein Hyperparameter ist ein Wert, der beeinflusst, wie ein KI-Modell lernt, und er wird in der Regel manuell außerhalb des Modells selbst festgelegt.

Hypertext:

Text that is shown on a computer or other electronic device that has links (hyperlinks) to other text that the reader may view right away is known as hypertext. The basis of the internet is hypertext, which enables users to move between different pieces of material by using links. For digital narrative and information access, it makes non-linear reading and interaction possible.

Köprü Metni:

Bir bilgisayarda veya başka bir elektronik cihazda gösterilen ve okuyucunun hemen görebileceği diğer metinlere bağlantılar (köprüler) içeren metin, hiper metin olarak bilinir. İnternetin temeli, kullanıcıların bağlantıları kullanarak farklı materyaller arasında geçiş yapmasını sağlayan hiper metindir. Dijital anlatım ve bilgi erişimi için doğrusal olmayan okuma ve etkileşimi mümkün kılar.

Hipertekst:

Hipertekst je tekst koji je prikazan na računaru ili drugim elektronskim uređajima tako da, za razliku od običnog teksta, sadrži i hiperveze (hyperlinks) ka drugim tekstovima kojima čitalac može odmah pristupiti. Hipertekst je koncept na kome je zasnovan internet (www), jer on korisnicima omogućava da se pomoću veza, tj. linkova, kreću kroz različite delove materijala. Kada je reč o digitalnim narativima i pristupu informacijama, hipertekst je ono što omogućava nelinearno čitanje i interakciju.

Hiperszöveg:

A számítógépen vagy más elektronikus eszközön megjelenő szöveget, amely hivatkozásokat (hiperhivatkozásokat) tartalmaz más szövegre, amelyet az olvasó azonnal megtekinthet, hipertextnek nevezzük. Az internet alapja a hipertext, amely lehetővé teszi a felhasználók számára, hogy linkek segítségével mozogjanak a különböző anyagok között. A digitális narratívához és információhoz való hozzáféréshez lehetővé teszi a nem lineáris olvasást és interakciót.

Hypertext:

Ein Text, der auf einem Computer oder einem anderen elektronischen Gerät angezeigt wird und Links (Hyperlinks) zu anderen Texten enthält, die der Leser sofort lesen kann, wird als Hypertext bezeichnet. Die Grundlage des Internets ist Hypertext, der es den Nutzern ermöglicht, über Links zwischen verschiedenen Materialien zu wechseln. Für digitale Erzählungen und den Zugang zu Informationen ermöglicht er nicht-lineares Lesen und Interaktion.

Image recognition:

Image recognition is the process of detecting and identifying objects, people, places, or text within an image or video.

Görüntü Tanıma:

Görüntü tanıma, bir görüntü veya videoda nesneleri, kişileri, yerleri veya metni tespit etme ve tanımlama sürecidir.

Prepoznavanje slike:

Prepoznavanje slike je postupak opažanja i prepoznavanja predmeta, ljudi, mesta ili teksta unutar slike ili video-snimka.

Képfelismerés:

A képfelismerés a képen vagy videón belüli tárgyak, személyek, helyek vagy szövegek észlelésének és azonosításának folyamata.

Bilderkennung:

Unter Bilderkennung versteht man das Erkennen und Identifizieren von Objekten, Personen, Orten oder Text in einem Bild oder Video.

Input Layer:

The first layer of a neural network that receives and passes the initial data or information (aka input) into the network. It does not perform computations but forwards the data to subsequent layers for processing.

Girdi Katmanı:

Bir sinir ağının ilk katmanı olup, başlangıç verilerini veya bilgilerini (girdi) alır ve bu verileri işleme için sonraki katmanlara iletir. Hesaplama yapmaz, sadece veriyi ağın diğer katmanlarına aktarır.

Ulazni sloj:

Prvi sloj neuronske mreže koji prima i u mrežu uvodi prvobitni podatak ili informaciju (tj. ulazni parametar). On ne vrši izračunavanja, već podatke samo prosleđuje narednim slojevima na obradu.

Bemeneti réteg:

A neurális hálózat első rétege, amely fogadja és továbbítja a kezdeti adatokat vagy információkat (más néven bemenetet) a hálózatba. Nem végez számításokat, hanem továbbítja az adatokat a következő rétegeknek feldolgozásra.

Eingabeschicht:

Die erste Schicht eines neuronalen Netzes, die die anfänglichen Daten oder Informationen (auch als Eingabe bezeichnet) empfängt und an das Netz weiterleitet. Sie führt keine Berechnungen durch, sondern leitet die Daten zur Verarbeitung an die nachfolgenden Schichten weiter.

Knowledge Graph:

A data structure that stores data in databases and enables meaningful changes.

Bilgi Grafiği:

Veritabanlarındaki bilgileri ilişkilendiren ve anlamlı bağlantılar kuran bir veri yapısı.

Graf znanja:

Struktura podataka koja pohranjuje podatke u bazama podataka i omogućava smislene izmene.

Tudásgrafikon:

Adatstruktúra, amely adatbázisokban tárolja az adatokat és érdemi változtatásokat tesz lehetővé.

Wissensgraf:

Eine Datenstruktur, die Daten in Datenbanken speichert und sinnvolle Änderungen ermöglicht

Large Language Model:

A large language model (LLM) is an AI model trained on extensive text data, enabling it to comprehend language and generate text that resembles human writing.

Büyük Dil Modeli:

Büyük dil modeli (LLM), dili anlayabilmesi ve insan benzeri metinler üretebilmesi için geniş miktarda metinle eğitilmiş bir yapay zeka modelidir.

Veliki jezički model:

Veliki jezički model je model veštačke inteligencije koji je obučen na velikom skupu tekstualnih podataka, zahvaljujući čemu može da razume ljudski jezik i da generiše tekst koji izgleda kao da ga je čovek napisao.

Nagy nyelvű modell:

A nagy nyelvi modell (LLM) egy olyan mesterséges intelligencia-modell, amely kiterjedt szöveges adatokon alapul, és lehetővé teszi számára a nyelv megértését és az emberi írásra hasonlító szöveg létrehozását.

Großes Sprachmodell:

Ein großes Sprachmodell (Large Language Model, LLM) ist ein KI-Modell, das anhand umfangreicher Textdaten trainiert wurde und in der Lage ist, Sprache zu verstehen und Texte zu generieren, die der menschlichen Schrift ähneln.

Machine Learning (ML):

Machine Learning is the process in which artificial models learn from and make decisions based on data by utilising algorithms and statistical models. Unlike traditional programming, where specific instructions are coded for specific tasks, machine learning systems improve their performance over time through exposure to more data.

Makine Öğrenimi / Özdevimli Öğrenme / Yapay Öğrenme:

Makine Öğrenimi, yapay zeka modellerinin istatistiksel yöntemlerle veriyi modelleme ve bu sayede veriden öğrenebilme ve karar verme yetisidir. Geleneksel programlama yönteminin aksine, sistem belirli görevler için açıkça programlanmaz; bunun yerine, daha fazla veriyle karşılaştıkça performansını geliştirir.

Mašinsko učenje:

Mašinsko učenje je postupak tokom kojeg modeli veštačke inteligencije uče i donose odluke na osnovu podataka primenom algoritama i statističkih modela. Za razliku od tradicionalnog programiranja, gde se konkretne instrukcije kodiraju za konkretne zadatke, performanse sistema mašinskog učenja vremenom bivaju sve bolje zbog toga što su izloženi sve većoj količini podataka.

Gépi tanulás (ML):

A gépi tanulás az a folyamat, amelyben a mesterséges modellek tanulnak az adatokból, és az adatok alapján döntéseket hoznak algoritmusok és statisztikai modellek felhasználásával. A hagyományos programozástól eltérően, ahol specifikus utasítások vannak kódolva meghatározott feladatokhoz, a gépi tanulási rendszerek idővel javítják teljesítményüket azáltal, hogy több adatot érnek el.

Maschinelles Lernen ist der Prozess, bei dem künstliche Modelle durch die Verwendung von Algorithmen und statistischen Modellen aus Daten lernen und auf dieser Grundlage Entscheidungen treffen. Anders als bei der traditionellen Programmierung, bei der spezifische Anweisungen für bestimmte Aufgaben kodiert werden, verbessern maschinelle Lernsysteme ihre Leistung im Laufe der Zeit, indem sie mehr Daten erhalten.

Medium:

Medium is the way we communicate our ideas, whether it’s through the material used to create a piece of art or a reporter’s notebook. It is a tool that brings our thoughts and creativity to life so that people can see or experience the subject.

Araç:

Araç, fikirlerimizi iletme biçimimizdir; bu, bir sanat eseri yaratmak için kullanılan malzeme ya da bir muhabirin defteri olabilir. Düşüncelerimizi ve yaratıcılığımızı hayata geçiren bir araçtır, böylece insanlar konuyu görebilir veya deneyimleyebilir.

Medij:

Medij je način na koji saopštavamo svoje ideje, bilo da je to kroz materijale koji se koriste za stvaranje umetničkog dela ili novinarski notes. To je alat koji udiše život u naše misli i kreativnost tako da drugi mogu da ih vide ili dožive.

Médium:

A médium az a mód, ahogyan ötleteinket kommunikáljuk, akár a műalkotás elkészítéséhez használt anyagokon, akár egy riporterfüzeten keresztül. Ez egy olyan eszköz, amely életre kelti gondolatainkat és kreativitásunkat, hogy az emberek láthassák vagy megtapasztalhassák a témát.

Medium:

Das Medium ist die Art und Weise, wie wir unsere Ideen vermitteln, sei es durch das Material, mit dem wir ein Kunstwerk schaffen, oder durch das Notizbuch eines Reporters. Es ist ein Werkzeug, das unsere Gedanken und unsere Kreativität zum Leben erweckt, damit die Menschen das Thema sehen oder erleben können.

Metadata:

Data that offers details about other data is known as metadata. Metadata in digital media comprises information on a piece of content, such as the author, date it was made, file size, and keywords related to it. Finding, maintaining, and organizing material all depend on this information. Appropriate metadata enhances content discoverability and search engine optimization (SEO).

Meta Veri:

Diğer verilerle ilgili ayrıntılar sunan verilere meta veriler denir. Dijital ortamdaki meta veriler, bir içerik parçasına ilişkin yazar, oluşturulma tarihi, dosya boyutu ve onunla ilgili anahtar kelimeler gibi bilgileri içerir. Materyali bulmak, muhafaza etmek ve organize etmek tamamen bu bilgiye bağlıdır. Uygun meta veriler, içeriğin keşfedilebilirliğini ve arama motoru optimizasyonunu (SEO) artırır.

Metapodaci:

Podaci koji sadrže pojedinosti o drugim podacima nazivaju se metapodaci. Metapodaci u digitalnim medijima sastoje se od informacija o određenom sadržaju, kao što su ime njegovog autora, datum kada je nastao, veličina datoteke i ključne reči vezane za taj sadržaj. Pronalaženje, čuvanje i organizovanje materijala zavisi od ovih informacija. Odgovarajući metapodaci unapređuju vidljivost sadržaja i optimizaciju za veb-pretraživače (SEO).

Metaadatok:

Azokat az adatokat, amelyek más adatokról nyújtanak részleteket, metaadatoknak nevezzük. A digitális médiában lévő metaadatok egy tartalomra vonatkozó információkat tartalmaznak, például a szerzőt, a készítés dátumát, a fájlméretet és a kapcsolódó kulcsszavakat. Az anyagok megtalálása, karbantartása és rendszerezése ezeken az információkon múlik. A megfelelő metaadatok javítják a tartalom felfedezhetőségét és a keresőoptimalizálást (SEO).

Metadaten:

Daten, die Details über andere Daten enthalten, werden als Metadaten bezeichnet. Metadaten in digitalen Medien umfassen Informationen über einen Inhalt, wie z. B. den Autor, das Erstellungsdatum, die Dateigröße und zugehörige Schlüsselwörter. Das Auffinden, Verwalten und Organisieren von Material hängt von diesen Informationen ab. Geeignete Metadaten verbessern die Auffindbarkeit von Inhalten und die Suchmaschinenoptimierung (SEO).

MLOps:

Practices used for managing and operating machine learning models in production environments.

MLOps:

Makine öğrenimi modellerinin üretim ortamlarında yönetimi ve operasyonu için kullanılan uygulamalar.

Operacije mašinskog učenja:

Operacije mašinskog učenja predstavljaju skup praksi i tehnika koje imaju za cilj da pojednostave i automatizuju implementaciju, upravljanje i praćenje modela mašinskog učenja u proizvodnim okruženjima.

MLOps:

Anwendungen für die Verwaltung und den Betrieb von maschinellen Lernmodellen in Produktionsumgebungen.

Mixed Reality:

Fiziksel ve dijital dünyaların harmanlandığı, gerçek ve sanal nesnelerin gerçek zamanlı olarak etkileşime girdiği bir teknoloji. Kullanıcıların her iki ortamla da aynı anda etkileşimde bulunmalarını sağlar.

Mešovita stvarnost:

Spoj fizičkog i digitalnog sveta, u kojem stvarni i virtuelni predmeti stupaju u interakciju u realnom vremenu. To korisnicima omogućava da istovremeno budu aktivni u oba okruženja.

Vegyes valóság:

Fiziksel ve dijital dünyaların harmanlandığı, gerçek ve sanal nesnelerin gerçek zamanlı olarak etkileşime girdiği bir teknoloji. Kullanıcıların her iki ortamla da aynı anda etkileşimde bulunmalarını sağlar.

Eine Mischung aus physischer und digitaler Welt, in der reale und virtuelle Objekte in Echtzeit interagieren. Sie ermöglicht es den Nutzern, sich mit beiden Umgebungen gleichzeitig zu beschäftigen.

Media Forensics:

The use of advanced technologies to verify the authenticity of digital media, such as images, audios and videos. This field focuses on detecting alterations, deepfakes, and other forms of media manipulation.

Medya Adli Bilimleri:

Görüntüler, sesler ve videolar gibi dijital medyanın gerçekliğini doğrulamak için gelişmiş teknolojilerin kullanımı. Bu alan, değişiklikleri, deepfakeleri ve diğer medya manipülasyon biçimlerini tespit etmeye odaklanır.

Medijska forenzika:

Primena naprednih tehnologija u cilju potvrđivanja autentičnosti digitalnih medija, kao što su slike, audio i video snimci. Ova oblast se bavi uočavanjem izmena, dipfejkova i drugih vidova manipulacije medijima.

Média Forensics:

Fejlett technológiák használata a digitális média, például képek, hanganyagok és videók hitelességének ellenőrzésére. Ez a mező a változtatások, mélyhamisítások és a médiamanipuláció egyéb formáinak észlelésére összpontosít.

Medienforensik:

Der Einsatz fortschrittlicher Technologien zur Überprüfung der Authentizität digitaler Medien wie Bilder, Audios und Videos. Dieser Bereich konzentriert sich auf die Erkennung von Veränderungen, Fälschungen und anderen Formen der Medienmanipulation.

Natural Language Processing (NLP):

A branch of artificial intelligence that focuses on the interaction between computers and humans through natural language. It involves the development of algorithms and models to understand, interpret, and generate human language, enabling applications like text analysis, sentiment analysis, machine translation, and chatbots.

Doğal Dil İşleme (Natural Language Processing – NLP):

Bilgisayarlar ile insanlar arasındaki doğal dil etkileşimine odaklanan bir yapay zeka dalıdır. İnsan dilini anlamak, yorumlamak ve üretmek için algoritmalar ve modeller geliştirilir. Bu doğrultuda metin analizi, duygu analizi, makine çevirisi ve sohbet botları gibi uygulamaları mümkün kılar.

Obrada prirodnih jezika:

Oblast veštačke inteligencije usmerena na interakciju između računara i ljudi uz pomoć prirodnog jezika. Obuhvata razvoj algoritama i modela razumevanja, tumačenja i generisanja ljudskog jezika čime omogućava aplikacije za analizu teksta, analizu sentimenta, mašinski prevod i čet-botove.

Természetes nyelvi feldolgozás (NLP):

A mesterséges intelligencia egyik ága, amely a számítógépek és az emberek közötti interakcióra összpontosít a természetes nyelven keresztül. Magában foglalja az emberi nyelv megértésére, értelmezésére és generálására szolgáló algoritmusok és modellek fejlesztését, lehetővé téve olyan alkalmazások használatát, mint a szövegelemzés, a hangulatelemzés, a gépi fordítás és a chatbotok.

Verarbeitung natürlicher Sprache (NLP):

Ein Zweig der künstlichen Intelligenz, der sich auf die Interaktion zwischen Computern und Menschen durch natürliche Sprache konzentriert. Er umfasst die Entwicklung von Algorithmen und Modellen zum Verstehen, Interpretieren und Generieren menschlicher Sprache und ermöglicht Anwendungen wie Textanalyse, Stimmungsanalyse, maschinelle Übersetzung und Chatbots.

Neural Style Transfer:

Neural Style Transfer is an AI technique that applies the style of one image to the content of another, creating a new image that blends both elements. This technique is used in graphic design to transform photos and artwork by applying different artistic styles.

Sinirsel Stil Transferi:

Bir görüntünün stilini başka bir görüntünün içeriğine uygulayan ve her iki öğeyi harmanlayan yeni bir görüntü oluşturan bir yapay zeka tekniğidir. Bu teknik, fotoğrafları ve sanat eserlerini farklı sanatsal stiller uygulayarak dönüştürmek için grafik tasarımda kullanılır.

Neuronski prenos stila:

Neuronski prenos stila je tehnika veštačke inteligencije koja stil jedne slike primenjuje na sadržaj druge stvarajući tako novu sliku koja objedinjuje oba elementa. Tehnika se koristi u grafičkom dizajnu za transformaciju fotografija i umetničkih dela primenom različitih umetničkih stilova.

Neurális stílus átvitel:

A Neural Style Transfer egy olyan mesterséges intelligencia technika, amely az egyik kép stílusát egy másik kép tartalmára alkalmazza, és új képet hoz létre, amely mindkét elemet ötvözi. Ezt a technikát a grafikai tervezésben használják fényképek és műalkotások átalakítására különböző művészi stílusok alkalmazásával.

Neuronaler Stiltransfer ist eine KI-Technik, die den Stil eines Bildes auf den Inhalt eines anderen Bildes anwendet und so ein neues Bild erzeugt, das beide Elemente miteinander verbindet. Diese Technik wird im Grafikdesign verwendet, um Fotos und Kunstwerke durch die Anwendung verschiedener künstlerischer Stile zu transformieren.

Neuro-Symbolic AI:

An approach that combines neural networks with symbolic reasoning. This hybrid method aims to enhance AI’s problem-solving abilities by integrating deep learning with traditional logic and rules.

Nöro-Sembolik AI:

Sinir ağlarını sembolik akıl yürütmeyle birleştiren bir yaklaşım. Bu hibrit yöntem, derin öğrenmeyi geleneksel mantık ve kurallarla entegre ederek AI’nın problem çözme yeteneklerini geliştirmeyi amaçlamaktadır.

Neuro-simbolička veštačka inteligencija:

Pristup koji kombinuje neuronske mreže sa simboličkim rasuđivanjem. Cilj ovog hibridnog metoda je unapređenje sposobnosti veštačke inteligencije da rešava probleme povezivanjem dubokog učenja sa tradicionalnom logikom i pravilima.

Neuro-szimbolikus AI:

Neurális hálózatokat szimbolikus érveléssel kombináló megközelítés. Ennek a hibrid módszernek az a célja, hogy javítsa az AI problémamegoldó képességeit azáltal, hogy integrálja a mély tanulást a hagyományos logikával és szabályokkal.

Ein Ansatz, der neuronale Netze mit symbolischer Logik kombiniert. Diese hybride Methode zielt darauf ab, die Problemlösungsfähigkeiten der KI zu verbessern, indem tiefes Lernen mit traditioneller Logik und Regeln kombiniert wird.

Object Detection:

The computer vision task of identifying and locating objects within an image or video. This technology uses machine learning and deep learning algorithms to classify objects and determine their positions within the frame. Object detection is crucial for various applications, from autonomous vehicles to security systems and augmented reality.

Nesne Tespiti (Object Detection):

Bir görüntü veya videodaki nesneleri tanımlama ve konumlandırma görevini yerine getiren bir bilgisayarlı görü tekniğidir. Bu teknoloji, nesneleri sınıflandırmak ve çerçeve içerisindeki konumlarını belirlemek için makine öğrenimi ve derin öğrenme algoritmaları kullanır.   

Otkrivanje objekata:

Zadatak kompjuterskog vida da prepoznaje i locira predmete na slici ili u video zapisu. Ova tehnologija koristi algoritme mašinskog i dubokog učenja da klasifikuje predmete i odredi njihov položaj u frejmu. Otkrivanje objekata je ključno za različite aplikacije, od autonomnih vozila do bezbednosnih sistema i proširene stvarnosti.

Tárgyérzékelés:

A számítógépes látás feladata objektumok azonosítása és helyének meghatározása egy képen vagy videón belül. Ez a technológia gépi tanulási és mély tanulási algoritmusokat használ az objektumok osztályozására és a kereten belüli helyzetük meghatározására. Az objektumészlelés kulcsfontosságú különféle alkalmazásokban, az autonóm járművektől a biztonsági rendszerekig és a kiterjesztett valóságig.

Objekt-Erkennung:

Die Computer-Vision-Aufgabe der Identifizierung und Lokalisierung von Objekten in einem Bild oder Video. Bei dieser Technologie werden Algorithmen des maschinellen Lernens und des Deep Learning eingesetzt, um Objekte zu klassifizieren und ihre Position innerhalb des Bildes zu bestimmen. Die Objekterkennung ist für verschiedene Anwendungen von entscheidender Bedeutung, von autonomen Fahrzeugen über Sicherheitssysteme bis hin zu Augmented Reality.

Optical Character Recognition (OCR):

A technology that converts different types of documents, such as scanned paper documents, PDFs, or images captured by a digital camera, into editable and searchable data.

Optik Karakter Tanıma (OCR):

Tarayıcıyla alınmış belgeler, PDF’ler veya dijital kamera ile çekilmiş görüntüler gibi farklı türdeki belgeleri düzenlenebilir ve aranabilir verilere dönüştüren bir teknoloji.

Optičko prepoznavanje znakova:

Tehnologija koja konvertuje različite vrste dokumenata, kao što su skenirani papirni dokumenti, PDF dokumenti ili slike snimljene digitalnim foto-aparatom, u podatke koji se mogu izmeniti i pretraživati.

Optikai karakterfelismerés (OCR):

Olyan technológia, amely a különböző típusú dokumentumokat, például beolvasott papíralapú dokumentumokat, PDF-eket vagy digitális fényképezőgéppel rögzített képeket alakít szerkeszthető és kereshető adatokká.

Optische Zeichenerkennung (Optical Character Recognition, OCR):

Eine Technologie, die verschiedene Arten von Dokumenten, z. B. gescannte Papierdokumente, PDF-Dateien oder mit einer Digitalkamera aufgenommene Bilder, in bearbeitbare und durchsuchbare Daten umwandelt.

Open Data:

Open data is data that is freely available for anyone to use, share, and modify, with no restrictions on its usage or distribution.

Açık Veri:

Açık veri, herkesin serbestçe kullanabileceği, paylaşabileceği ve değiştirebileceği veridir; kullanım veya dağıtım üzerinde herhangi bir kısıtlama bulunmaz.

Otvoreni podaci:

Otvoreni podaci su podaci koji su dostupni svima i mogu se prilagođavati i neograničeno koristiti i deliti.

Nyílt adatok:

A nyílt adatok olyan adatok, amelyek bárki számára szabadon felhasználhatók, megoszthatók és módosíthatók, felhasználásuk vagy terjesztésük korlátozása nélkül.

Offene Daten:

Offene Daten sind Daten, die für jedermann frei verfügbar sind, um sie zu nutzen, weiterzugeben und zu verändern, ohne dass es Einschränkungen bei der Nutzung oder Verbreitung gibt

Output Layer:

The final layer of an artificial neural network that produces the results or final predictions based on the processed data. It receives input from the last hidden layer and generates the output in the form of predictions, classifications, or other relevant results depending on the task.

Çıktı Katmanı:

Bir yapay sinir ağının son katmanı olup, işlenmiş veriler temelinde sonuçları veya nihai tahminleri üretir. Son gizli katmandan gelen girdileri alır ve görevin gereksinimlerine bağlı olarak tahminler, sınıflandırmalar veya diğer ilgili sonuçlar şeklinde çıktıyı oluşturur.

Izlazni sloj:

Završni sloj veštačke neuronske mreže koji kreira podatke ili konačne prognoze na osnovu obrađenih podataka. Podatke prima iz poslednjeg skrivenog sloja i kreira rezultate u obliku predviđanja, klasifikacija ili drugih relevantnih rezultata u zavisnosti od zadatka.

Kimeneti réteg:

A mesterséges neurális hálózat végső rétege, amely a feldolgozott adatok alapján az eredményeket vagy végső előrejelzéseket állítja elő. Bemenetet kap az utolsó rejtett rétegtől, és a kimenetet előrejelzések, osztályozások vagy más releváns eredmények formájában generálja a feladattól függően.

Ausgabeschicht:

Die letzte Schicht eines künstlichen neuronalen Netzes, die die Ergebnisse oder endgültigen Vorhersagen auf der Grundlage der verarbeiteten Daten erzeugt. Sie erhält Eingaben von der letzten verborgenen Schicht und erzeugt die Ausgabe in Form von Vorhersagen, Klassifizierungen oder anderen relevanten Ergebnissen je nach Aufgabe.

Overfitting:

A modeling error in machine learning where a function is too closely fit to a limited set of data points, causing it to perform poorly on new, unseen data. New sports events etc.

Aşırı Uydurma (Overfitting):

Makine öğreniminde, bir fonksiyonun sınırlı bir veri kümesine çok yakından uydurulduğu ve bu nedenle yeni, görülmemiş veriler üzerinde kötü performans gösterdiği bir modelleme hatasıdır.

Prekomerno prilagođavanje:

Greška u modeliranju u mašinskom učenju koja nastaje kada je neka funkcija previše prilagođena ograničenom skupu pojedinačnih unosa zbog čega daje loše rezultate kod novih, nepoznatih podataka. Novi sportski događaji, itd.

Túlszerelés:

Modellezési hiba a gépi tanulásban, amikor egy függvény túl szorosan illeszkedik az adatpontok korlátozott készletéhez, ami miatt gyengén teljesít új, nem látott adatokon. Új sportesemények stb.

Überanpassung:

Ein Modellierungsfehler beim maschinellen Lernen, bei dem eine Funktion zu eng an einen begrenzten Satz von Datenpunkten angepasst wird, was dazu führt, dass sie bei neuen, unbekannten Daten eine schlechte Leistung zeigt. Neue Sportereignisse usw.

Pattern Recognition:

Pattern recognition involves using computer algorithms to examine, detect, and label patterns in data, which helps classify the data into various categories.

Desen Tanıma:

Desen tanıma, bilgisayar algoritmalarını kullanarak verilerdeki desenleri inceleme, tespit etme ve etiketleme yöntemidir. Bu, verilerin farklı kategorilere sınıflandırılmasını sağlar.

Prepoznavanje obrazaca:

Prepoznavanje obrazaca podrazumeva korišćenje računara za ispitivanje, otkrivanje i označavanje obrazaca kod podataka što pomaže prilikom njihovog razvrstavanja u različite kategorije.

Minta felismerés:

A mintafelismerés magában foglalja a számítógépes algoritmusok használatát az adatok mintáinak vizsgálatára, észlelésére és felcímkézésére, ami segít az adatok különböző kategóriákba sorolásában.

Mustererkennung:

Bei der Mustererkennung werden Computeralgorithmen eingesetzt, um Muster in Daten zu untersuchen, zu erkennen und zu kennzeichnen, wodurch die Daten in verschiedene Kategorien eingeteilt werden können.

Personalization:

Personalization refers to tailoring and shaping content, products or services to individual users relevant to their preference, behaviors and characteristics. In the context of digital media, personalization could contain using AI and data to customize recommendations and ads or content in order to satisfy different and specific needs of each user.

Kişiselleştirme:

Kişiselleştirme, içerik, ürün veya hizmetlerin bireysel kullanıcıların tercihlerine, davranışlarına ve özelliklerine göre şekillendirilmesi ve biçimlendirilmesi anlamına gelir. Dijital medya bağlamında, kişiselleştirme, her kullanıcının farklı ve spesifik ihtiyaçlarını karşılamak amacıyla öneriler, reklamlar veya içerikleri özelleştirmek için yapay zeka ve veri kullanımını içerebilir.

Personalizacija:

Personalizacija se odnosi na prilagođavanje i oblikovanje sadržaja, proizvoda ili usluga pojedinačnim korisnicima u skladu sa njihovim sklonostima, ponašanju i odlikama. U kontekstu digitalnih medija, personalizacija bi mogla da obuhvata korišćenje veštačke inteligencije i podataka za prilagođavanje preporuka i reklama ili sadržaja u cilju zadovoljenja različitih i posebnih potreba svakog korisnika.

Személyre szabás:

A személyre szabás a tartalmak, termékek vagy szolgáltatások személyre szabását és alakítását jelenti az egyéni felhasználók preferenciáinak, viselkedésének és jellemzőinek megfelelően. A digitális média kontextusában a személyre szabás magában foglalhatja a mesterséges intelligencia és az adatok felhasználását az ajánlások, hirdetések vagy tartalom testreszabására az egyes felhasználók eltérő és egyedi igényeinek kielégítése érdekében.

Personalisierung:

Personalisierung bezieht sich auf die Anpassung und Gestaltung von Inhalten, Produkten oder Dienstleistungen für einzelne Nutzer entsprechend ihren Vorlieben, Verhaltensweisen und Eigenschaften. Im Kontext der digitalen Medien könnte Personalisierung die Nutzung von KI und Daten zur Anpassung von Empfehlungen, Werbung oder Inhalten beinhalten, um die unterschiedlichen und spezifischen Bedürfnisse jedes Nutzers zu erfüllen.

Prompt:

A prompt is an input provided by a user to an AI system to obtain a specific response or output.

Komut:

Komut, bir kullanıcının belirli bir sonuç veya çıktı almak için bir yapay zeka sistemine verdiği giriştir.

Prompt:

Prompt je zahtev koji korisnik unosi u sistem veštačke inteligencije da bi dobio određeni odgovor ili rezultat.

Gyors:

A prompt egy bemenet, amelyet a felhasználó ad meg egy mesterséges intelligencia rendszernek, hogy konkrét választ vagy kimenetet kapjon.

Eingabeaufforderung:

Ein Befehl ist die Eingabe, die ein Benutzer an ein System der künstlichen Intelligenz macht, um ein bestimmtes Ergebnis oder eine bestimmte Ausgabe zu erhalten.

Prompt Engineer:

A prompt engineer is someone who creates and refines prompts to achieve the best results with AI.

İstem Mühendisi:

İstem mühendisi, yapay zeka ile en iyi sonuçları elde etmek için komutları oluşturan ve geliştiren kişidir.

Inženjer za dizajniranje promptova:

Inženjer za dizajniranje promptova je osoba koja stvara i usavršava promptove da bi se postigli najbolji rezultati sa veštačkom inteligencijom.

Kérdező mérnök:

Az azonnali mérnök olyan személy, aki utasításokat hoz létre és finomít, hogy a legjobb eredményeket érje el az AI-val.

Prompt-Ingenieur:

Ein Prompt-Ingenieur ist jemand, der Prompts erstellt und verfeinert, um die besten Ergebnisse mit KI zu erzielen.

Proofreading:

Proofreading is the process of carefully reviewing a text to correct grammar, spelling, punctuation, consistency, and formatting errors. The intercourse between artificial intelligence (AI) and proofreading is shaped by Algorithms which come out  in identifying grammatical and spelling mistakes, as well as in correcting and editing texts.

Redaksiyon :

Redaksiyon bir metni dikkatle gözden geçirerek dil bilgisi, yazım, noktalama, tutarlılık ve biçim hatalarını düzeltme sürecidir. Yapay zeka  ve redaksyon, algoritmanın dilbilgisi ve yazım hatalarını tespit etme, metinleri düzeltme ve düzenleme süreçlerindeki katkısıyla şekillenir.

Lektura:

Lektura je proces pažljive provere gramatike, pravopisa, doslednosti i formata teksta. Odnos veštačke inteligencije (VI) i lekture oblikuju algoritmi koji prepoznaju gramatičke i pravopisne greške, ali i ispravljaju i uređuju tekst.

Lektorálás:

A lektorálás a szöveg gondos áttekintésének folyamata a nyelvtani, helyesírási, központozási, következetességi és formázási hibák javítása érdekében. A mesterséges intelligencia (AI) és a lektorálás közötti kapcsolatot olyan algoritmusok alakítják, amelyek a nyelvtani és helyesírási hibák azonosításában, valamint a szövegek javításában és szerkesztésében jelentkeznek.

Korrekturlesen:

Unter Korrekturlesen versteht man die sorgfältige Überprüfung eines Textes, um Grammatik-, Rechtschreib-, Zeichensetzungs-, Konsistenz- und Formatierungsfehler zu korrigieren. Das Zusammenspiel von künstlicher Intelligenz (KI) und Korrekturlesen wird durch Algorithmen bestimmt, die bei der Erkennung von Grammatik- und Rechtschreibfehlern sowie bei der Korrektur und Bearbeitung von Texten zum Einsatz kommen.

Predictive artificial intelligence (AI):

It  refers to the use of machine learning to identify patterns in past events and make predictions about future events.

Yapay zekada Tahmin:

Modelin (Yapay zekanın) öğrenilen bilgilere dayanarak gelecekteki veriler için yaptığı tahminler.

Prediktivna veštačka inteligencija (VI):

Odnosi se na upotrebu mašinskog učenja za prepoznavanje obrazaca iz prošlosti radi predviđanja budućih događaja.

Prediktív mesterséges intelligencia (AI):

A gépi tanulás használatára utal a múltbeli események mintáinak azonosítására és a jövőbeli eseményekre vonatkozó előrejelzések készítésére.

Prädiktive künstliche Intelligenz (KI):

Sie bezieht sich auf den Einsatz von maschinellem Lernen, um Muster in vergangenen Ereignissen zu erkennen und Vorhersagen über zukünftige Ereignisse zu treffen.

Predictive Analytics:

Predictive analytics is the use of statistical techniques, machine learning, and data mining to analyze historical data and make predictions about future events. It helps organizations forecast trends, understand customer behavior, and make data-driven decisions.

Öngörüsel Analiz:

Öngörüsel analiz, geçmiş verileri analiz etmek ve gelecekteki olaylar hakkında tahminler yapmak için istatistiksel tekniklerin, makine öğreniminin ve veri madenciliğinin kullanımını ifade eder. Kuruluşların trendleri öngörmesine, müşteri davranışlarını anlamasına ve veri odaklı kararlar almasına yardımcı olur.

Prediktivna analitika:
Prediktivna analitika predstavlja upotrebu statističkih tehnika, mašinskog učenja i rudarenja podataka za analizu istorijskih podataka i predviđanje budućih događaja. Pomaže organizacijama da predviđaju trendove, shvate ponašanje kupaca i donose odluke na osnovu podataka.

Prediktív elemzés:

A prediktív analitika statisztikai technikák, gépi tanulás és adatbányászat használata a múltbeli adatok elemzésére és a jövőbeli eseményekre vonatkozó előrejelzések készítésére. Segít a szervezeteknek a trendek előrejelzésében, az ügyfelek viselkedésének megértésében és az adatközpontú döntések meghozatalában.

Vorhersagende Analytik:

Predictive Analytics ist der Einsatz von statistischen Verfahren, maschinellem Lernen und Data Mining, um historische Daten zu analysieren und Vorhersagen über zukünftige Ereignisse zu treffen. Sie hilft Unternehmen, Trends vorherzusagen, das Kundenverhalten zu verstehen und datengesteuerte Entscheidungen zu treffen.

Refine:

In AI, to refine means to improve a model by adjusting it based on feedback and new data. This helps the system perform better and produce more accurate results.

Düzeltmek:

Yapay zekâda, düzeltmek demek, bir modeli geri bildirim ve yeni veriler doğrultusunda ayarlayarak geliştirmek anlamına gelir. Bu, sistemin daha iyi performans göstermesine ve daha doğru sonuçlar üretmesine yardımcı olur.

Preciziranje:

U oblasti veštačke inteligencije, preciziranje podrazumeva unapređenje modela na osnovu usklađivanja sa povratnim informacijama i novim podacima. Ovim se unapređuju performanse sistema i dobijaju precizniji podaci.

Finomítás:

Az AI-ban a finomítás azt jelenti, hogy javítani kell egy modellt a visszajelzések és az új adatok alapján történő kiigazítással. Ez segít a rendszernek jobb teljesítményben és pontosabb eredmények elérésében.Verfeinern:

In der KI bedeutet verfeinern, ein Modell zu verbessern, indem es auf der Grundlage von Feedback und neuen Daten angepasst wird. Dadurch kann das System besser arbeiten und genauere Ergebnisse liefern.

Regression:

Regression is a statistical method used in computer science and data science to model relationships between variables and predict the value of a dependent variable (target) based on one or more independent variable.

Regresyon :

Regresyon, bilgisayar bilimleri ve veri bilimlerinde değişkenler arasındaki ilişkileri modellemek ve bir bağımlı değişkenin (hedef) değerini bir veya daha fazla bağımsız değişken (girdi) temel alınarak tahmin etmek için kullanılan bir istatistiksel yöntemdir.

Regresija:

Regresija je statistički metod koji se koristi u računarstvu i obradi podataka da bi se oblikovali odnosi između promenljivih i predvidela vrednost zavisne promenljive (cilj) na osnovu jedne ili više nezavisnih promenljivih.

Regresszió:

A regresszió a számítástechnikában és az adattudományban alkalmazott statisztikai módszer a változók közötti kapcsolatok modellezésére és egy függő változó (cél) értékének előrejelzésére egy vagy több független változó alapján.

Regression:

Die Regression ist eine statistische Methode, die in der Informatik und den Datenwissenschaften verwendet wird, um Beziehungen zwischen Variablen zu modellieren und den Wert einer abhängigen Variable (Ziel) auf der Grundlage einer oder mehrerer unabhängiger Variablen vorherzusagen.

Reinforcement Learning:

Reinforcement learning is a type of machine learning where an agent learns to make decisions by performing actions in an environment and receiving rewards or penalties based on the outcomes. The goal is to maximize the cumulative reward over time by discovering the best strategy or policy through trial and error.

Pekiştirmeli Öğrenme:

Pekiştirmeli Öğrenme, bir ajanın bir ortamda eylemler gerçekleştirerek ve sonuçlara göre ödüller veya cezalar alarak kararlar öğrenmesini sağlayan bir makine öğrenimi türüdür. Amaç, deneme yanılma yoluyla en iyi stratejiyi veya politikayı keşfederek zamanla toplam ödülü maksimize etmektir.

Učenje uslovljavanjem:

Učenje uslovljavanjem je vrsta mašinskog učenja kod kojeg agent uči da donosi odluke izvršavanjem radnji u okruženju uz nagrađivanje ili kažnjavanje, u zavisnosti od ishoda. Cilj je maksimalno uvećati kumulativnu nagradu otkrivanjem najbolje strategije ili politike kroz metod pokušaja i greške.

Megerősítő tanulás:

A megerősítő tanulás a gépi tanulás egy olyan típusa, ahol az ügynök megtanul döntéseket hozni azáltal, hogy egy adott környezetben végrehajt műveleteket, és az eredmények alapján jutalmat vagy büntetést kap. A cél a halmozott jutalom maximalizálása az idő múlásával a legjobb stratégia vagy politika próba és hiba útján történő felfedezésével.

Verstärkungslernen:

Verstärkungslernen ist eine Art des maschinellen Lernens, bei dem ein Agent lernt, Entscheidungen zu treffen, indem er in einer Umgebung Aktionen ausführt und je nach Ergebnis Belohnungen oder Bestrafungen erhält. Das Ziel besteht darin, die kumulative Belohnung im Laufe der Zeit zu maximieren, indem durch Versuch und Irrtum die beste Strategie oder Vorgehensweise ermittelt wird.

Robotics:

Robotics is the branch of technology that deals with the design, construction, operation, and application of robots. It involves the integration of computer science, electrical engineering, and mechanical engineering to create machines capable of performing tasks autonomously or semi-autonomously.

Robotik:

Robotik, robotların tasarımı, inşası, işletimi ve uygulamasıyla ilgilenen teknoloji dalıdır. Bilgisayar bilimi, elektrik mühendisliği ve makine mühendisliğinin entegrasyonunu içeren ve makinelerin otonom veya yarı otonom olarak görevleri yerine getirmesini sağlayan bir alandır.

Robotika:

Robotika je grana inženjerstva koja se bavi dizajnom, konstrukcijom, pokretanjem i korišćenjem robota. Podrazumeva povezivanje računarstva, elektronskog i mašinskog inženjerstva radi izrade mašina sposobnih da samostalno ili delimično samostalno izvršavaju zadatke.

Robotika:

A robotika a technológia azon ága, amely a robotok tervezésével, felépítésével, üzemeltetésével és alkalmazásával foglalkozik. Ez magában foglalja a számítástechnika, az elektrotechnika és a gépészet integrációját, hogy olyan gépeket hozzanak létre, amelyek képesek autonóm vagy félig autonóm feladatokat ellátni.

Die Robotik ist der Zweig der Technik, der sich mit dem Entwurf, der Konstruktion, dem Betrieb und der Anwendung von Robotern beschäftigt. Es geht um die Integration von Informatik, Elektrotechnik und Maschinenbau, um Maschinen zu schaffen, die in der Lage sind, Aufgaben autonom oder halbautonom auszuführen.

Robot Journalism :

Robot journalism refers to the use of artificial intelligence and algorithms in the process of writing and producing news and other journalistic content. It involves the continuous use of AI tools to automate the writing of news and articles. One of the most well-known examples is the AI system called Heliograf developed by The Washington Post. The system automatically generated news articles during the 2016 U.S. elections

Robot Gazetecilik:

Robot journalism refers to the use of artificial intelligence and algorithms in the process of writing and producing news and other journalistic content. It involves the continuous use of AI tools to automate the writing of news and articles. One of the most well-known examples is the AI system called Heliograf developed by The Washington Post. The system automatically generated news articles during the 2016 U.S. elections.

Robotsko novinarstvo:

Robotsko novinarstvo se odnosi na upotrebu veštačke inteligencije i algoritama u procesu pisanja i kreiranja vesti i drugih novinarskih sadržaja. Podrazumeva stalnu upotrebu alata veštačke inteligencije da bi se automatizovalo pisanje vesti i članaka. Jedan od najpoznatijih primera je sistem veštačke inteligencije nazvan Heliograf nastao zahvaljujući Vašington postu. Sistem je automatski kreirao novinske članke za vreme američkih izbora 2016.

Robotújságírás:

A robotújságírás a mesterséges intelligencia és az algoritmusok alkalmazását jelenti a hírek és más újságírói tartalom írása és előállítása során. Ez magában foglalja az AI-eszközök folyamatos használatát a hírek és cikkek írásának automatizálására. Az egyik legismertebb példa a The Washington Post által kifejlesztett Heliograf nevű mesterséges intelligencia rendszer. A rendszer automatikusan generált hírcikkeket a 2016-os amerikai választások során

Roboter-Journalismus :

Unter Roboterjournalismus versteht man den Einsatz von künstlicher Intelligenz und Algorithmen beim Verfassen und Produzieren von Nachrichten und anderen journalistischen Inhalten. Dazu gehört der kontinuierliche Einsatz von KI-Tools, um das Schreiben von Nachrichten und Artikeln zu automatisieren. Eines der bekanntesten Beispiele ist das von der Washington Post entwickelte KI-System namens Heliograf. Das System generierte automatisch Nachrichtenartikel während der US-Wahlen 2016.

Responsible AI:

The practice of designing and deploying AI systems in an ethical, transparent, and accountable manner. This includes considerations for fairness, privacy, and the societal impact of AI technologies.

Sorumlu AI:

AI sistemlerini etik, şeffaf ve hesap verebilir bir şekilde tasarlama ve dağıtma uygulaması. Buna adalet, gizlilik ve AI teknolojilerinin toplumsal etkisine ilişkin hususlar dahildir.

Odgovorna veštačka inteligencija:

Praksa dizajniranja i primene sistema veštačke inteligencije na etički, transparentan i odgovoran način. To podrazumeva poštovanje pravičnosti, privatnosti i društvenog uticaja tehnologija veštačke inteligencije.

Felelős mesterséges intelligencia:

Az AI-rendszerek etikus, átlátható és elszámoltatható módon történő tervezésének és bevezetésének gyakorlata. Ez magában foglalja a méltányosságra, a magánélet védelmére és az AI-technológiák társadalmi hatására vonatkozó megfontolásokat.

Verantwortungsvolle KI:

Die Praxis der Entwicklung und des Einsatzes von KI-Systemen in einer ethischen, transparenten und verantwortlichen Weise. Dazu gehören Überlegungen zu Fairness, Datenschutz und den gesellschaftlichen Auswirkungen von KI-Technologien.

Toggle content goes here, click edit button to change this text.

Semantic Web:

Technologies used to make information on web pages more meaningful and relatable.

Anlamsal Ağ:

Web sayfalarındaki bilgilerin daha anlamlı ve ilişkilendirilebilir hale getirilmesi için kullanılan teknolojiler.

Semantička mreža:

Tehnologije upotrebljene sa ciljem da informacije na internet stranicama postanu jasnije i prepoznatljivije.

Szemantikus web:

Technológiák, amelyeket arra használnak, hogy a weboldalakon lévő információkat értelmesebbé és összehasonlíthatóbbá tegyék.

Semantisches Web:

Technologien, die verwendet werden, um Informationen auf Webseiten aussagekräftiger und besser verknüpfbar zu machen.

Semi-überwachtes Lernen:

Eine Methode des maschinellen Lernens, die sowohl gelabelte als auch nicht gelabelte Daten verwendet.

Sentiment Analysis:

Also known as opinion mining, sentiment analysis is the process of employing AI to evaluate the tone and sentiment of a particular text.

Duygu Analizi:

Fikir madenciliği olarak da adlandırılan duygu analizi, belirli bir metnin tonunu ve duygusunu değerlendirmek için yapay zeka kullanma sürecidir.

Analiza sentimenata:

Poznato i kao rudarenje mišljenja, analiza sentimenata je proces primene veštačke inteligencije u procenjivanju tona i sentimenta određenog teksta.

Hangulatelemzés:

Más néven véleménybányászat, a hangulatelemzés az a folyamat, amikor mesterséges intelligencia segítségével értékelik egy adott szöveg hangnemét és hangulatát.

Stimmungsanalyse:

Auch als Meinungsanalyse bekannt, ist die Stimmungsanalyse ein Prozess, bei dem KI eingesetzt wird, um den Ton und die Stimmung eines bestimmten Textes zu bewerten

Speech Recognition:

Speech recognition or automatic speech recognition (ASR), computer speech recognition, or speech-to-text, enables a software program to process human speech into a written/text format.

Speech Recognition (Ses, konuşma tanıma):

Konuşma tanıma, insan sesini algılayarak ve anlayarak konuşma içeriğini metne veya komutlara dönüştürebilen yapay zeka veya bilgisayar sistemlerinin yeteneğidir.

Prepoznavanje govora:

Prepoznavanje govora ili automatsko prepoznavanje govora, kompjutersko prepoznavanje govora ili govor-u-tekst, omogućava softveru da preradi ljudski govor u pisani/tekstualni format.

Beszédfelismerés:

A beszédfelismerés vagy az automatikus beszédfelismerés (ASR), a számítógépes beszédfelismerés vagy beszéd-szövegké alakítás lehetővé teszi egy szoftver számára, hogy az emberi beszédet írott/szöveg formátumba dolgozza fel.

Spracherkennung:

Spracherkennung oder automatische Spracherkennung (ASR), Computer-Spracherkennung oder Sprache-zu-Text, ermöglicht es einem Softwareprogramm, menschliche Sprache in ein Schrift-/Textformat zu verarbeiten.

Speech Synthesis:

Technologies that convert written texts into speech in a natural human voice.

Konuşma Sentezi:

Yazılı metinleri doğal insan sesiyle konuşma haline getiren teknolojiler.

Sinteza govora:

Tehnologije koje pretvaraju pisane tekstove u govor predstavljen prirodnim ljudskim glasom.

Beszédszintézis:

Az írott szövegeket természetes emberi hangon beszéddé alakító technológiák.

Sprachsynthese:

Technologien, die geschriebene Texte in Sprache mit einer natürlichen menschlichen Stimme umwandeln.

Spacing Effect:

The spacing effect is the phenomenon that spacing out study sessions is more effective than cramming it at once. Taking breaks between studies improves long-term memory and increases productivity.

Ara Verme Etkisi:

Ara verme etkisi, çalışma oturumlarını yaymanın, hepsini birden çalışmaktan daha etkili olduğunu belirten bir fenomenidir. Çalışmalar arasında ara vermek, uzun vadeli hafızayı geliştirir ve verimliliği artırır.

Efekat razmaka:

Efekat razmaka pretpostavlja da učenje u redovnim razmacima daje bolje rezultate od kampanjskog učenja. Učenje u redovnim razmacima unapređuje dugotrajno pamćenje i produktivnost.

Térköz effektus:

A térközhatás az a jelenség, hogy a tanulmányi ülések elosztása hatékonyabb, mint az egyszerre történő betömés. A tanulmányok közötti szünetek javítják a hosszú távú memóriát és növelik a termelékenységet.

Spacing-Effekt:

Der Pauseneffekt beschreibt das Phänomen, dass ein zeitlich gestaffeltes Lernen effektiver ist, als alles auf einmal zu pauken. Pausen zwischen den Studien verbessern das Langzeitgedächtnis und steigern die Produktivität.

Storytelling:

Storytelling is the process of sharing a story with an audience through speaking, writing, or visuals. It involves presenting events and characters to entertain and engage people.

Hikaye Anlatımı:

Hikaye anlatımı, kelimeler, resimler veya sadece sesimizle insanlarla hikayeler paylaşma biçimidir. Dikkat çeken ve herkesi merakta bırakan bir şekilde olayları ve karakterleri ortaya dökmek üzerine kuruludur.

Pripovedanje:

Pripovedanje je postupak usmenog, pismenog ili vizuelnog deljenja priče sa publikom. Podrazumeva predstavljanje događaja i likova da bi se ljudi zabavili i animirali.

Történetmesélés:

A történetmesélés egy történet megosztása a közönséggel beszéddel, írással vagy vizuálisan. Ez események és karakterek bemutatását foglalja magában az emberek szórakoztatása és bevonása érdekében.

Geschichtenerzählen:

Beim Geschichtenerzählen wird eine Geschichte durch Sprechen, Schreiben oder visuelle Darstellungen an ein Publikum weitergegeben. Es beinhaltet die Darstellung von Ereignissen und Figuren, um Menschen zu unterhalten und zu fesseln.

Supervised Learning:

A type of machine learning where an AI model is trained on labeled data. The model learns from data that already has the correct answers provided. The goal is to learn a mapping from inputs to outputs that can be applied to new, unseen data.

Denetimli Öğrenme:

Bir yapay zeka modelinin etiketlenmiş verilerle eğitildiği bir makine öğrenimi türüdür. Model, doğru yanıtların zaten sağlanmış olduğu verilerden öğrenir. Amaç, girdi ile çıktılar arasında bir ilişki öğrenmek ve bu ilişkiyi yeni, görülmemiş verilere uygulamaktır.

Nadzirano učenje:

Vrsta mašinskog učenja kod kojeg je model veštačke inteligencije obučen na obeleženim podacima. Model uči iz podataka koji već sadrže tačan odgovor. Cilj je naučiti mapiranje od ulaznog do izlaznog podatka koje se može primeniti na nove, nepoznate podatke.

Felügyelt tanulás:

A gépi tanulás olyan típusa, amelyben egy mesterséges intelligencia modellt címkézett adatokra tanítanak. A modell azokból az adatokból tanul, amelyek már tartalmazzák a helyes válaszokat. A cél a bemenetek és a kimenetek közötti leképezés megtanulása, amely alkalmazható új, nem látott adatokra.

Überwachtes Lernen:

ne Art des maschinellen Lernens, bei dem ein KI-Modell auf markierten Daten trainiert wird. Das Modell lernt anhand von Daten, die bereits die richtigen Antworten enthalten. Ziel ist es, eine Zuordnung von Eingaben zu Ausgaben zu erlernen, die auf neue, ungesehene Daten angewendet werden kann.

Synthetic Content:

It is produced by artificial intelligence models and refers to individually ready-to-use content.

Suni İçerik:

 Yapay zeka modelleri tarafından üretilen, münferiden kullanıma hazır içerikleri ifade eder.

Sintetički sadržaj:

Napravili su ga modeli veštačke inteligencije i odnosi se na pojedinačan sadržaj spreman za korišćenje.

Szintetikus tartalom:

Mesterséges intelligencia modellekkel állítják elő, és egyedileg használatra kész tartalomra utal.

Synthetischer Inhalt:

Er wird durch Modelle der künstlichen Intelligenz erstellt und bezieht sich auf individuell einsatzbereite Inhalte.

Synthetic Media:

Media content generated or modified by AI, including images, videos, and audio. Synthetic media can mimic real-world content and is often used for entertainment, education, and other creative purposes.

Sentetik Medya:

Görüntüler, videolar ve sesler dahil olmak üzere yapay zeka tarafından oluşturulan veya değiştirilen medya içeriği. Sentetik medya organik içeriği taklit edebilir ve genellikle eğlence, eğitim ve diğer yaratıcı amaçlar için kullanılır.

Sintetički mediji:

Medijski sadržaj napravljen ili obrađen pomoću veštačke inteligencije i obuhvata slike, video i audio zapise. Sintetički mediji mogu da podražavaju sadržaj iz stvarnog sveta i često se koriste za zabavu, obrazovanje i u druge kreativne svrhe.

Szintetikus média:

MI által generált vagy módosított médiatartalom, beleértve a képeket, videókat és hangot. A szintetikus média képes utánozni a valós tartalmat, és gyakran használják szórakoztatásra, oktatásra és egyéb kreatív célokra.

Synthetische Medien:

 Von KI erzeugte oder veränderte Medieninhalte, einschließlich Bilder, Videos und Audio. Synthetische Medien können reale Inhalte imitieren und werden häufig für Unterhaltung, Bildung und andere kreative Zwecke verwendet.

Synthetic Voice:

A voice produced by artificial intelligence models that does not actually belong to any person.

Suni Ses:

Yapay zeka modelleri tarafından üretilen, gerçekte hiçbir kişiye ait olmayan ses.

Sintetički glas:

Glas napravljen uz pomoć modela veštačke inteligencije koji ne pripada nijednoj stvarnoj osobi.

Szintetikus hang:

Mesterséges intelligencia modellek által előállított hang, amely valójában nem tartozik senkihez.

Synthetische Stimme:

 Eine von Modellen der künstlichen Intelligenz erzeugte Stimme, die nicht zu einer Person gehört.

Semi-Supervised Learning:

A machine learning method that uses both labeled and unlabeled data.

Yarı Gözetimli Öğrenme:

Hem etiketlenmiş hem de etiketlenmemiş veriler kullanan makine öğrenimi yöntemi.

Učenje pod delimičnim nadzorom:

Metod mašinskog učenja koji koristi i označene i neoznačene podatke.

Félig felügyelt tanulás:

Gépi tanulási módszer, amely címkézett és címkézetlen adatokat is használ.

Target Audience:

Target audience refers to a specific group or demographic that the content or action is intended to reach. Artificial intelligence, on the other hand, uses various tools to better understand the target audience and to engage in more effective and relevant communication with them. Examples of processes that AI employs for this purpose include data analysis, segmentation, personalization, prediction, automation, and feedback-based improvement.

Hedef Kitle :

İçeriğin veya eylemin ulaşmasının amaçlandığı belirli bir grubu veya demografiyi ifade eder. Yapay zeka ise hedef kitleyi daha iyi anlamak ve hedef kitleyle daha etkili ve geçerli bir iletişimi kullanmak adına çeşitli araçlar kullanır. Veri analizi, segmentasyon, kişiselleştirme, tahminleme, otomasyon ve geribildirime yönelik iyileştirme bu amaç doğrultusunda yapay zekanın başvurduğu süreçlerin örneklerinden bazılarıdır.

Ciljna publika:

Ciljna publika se odnosi na određenu grupu ili demografski model ka kojem je usmerena neka radnja ili sadržaj. Veštačka inteligencija, s druge strane, koristi različite alate da bolje razume ciljnu publiku i podstakne efikasniju i prilagođeniju komunikaciju sa njom. Primeri procesa koje veštačka inteligencija koristi u te svrhe su: analiza podataka, segmentacija, personalizacija, predviđanja, automatizacija i unapređenje zasnovano na povratnim informacijama.

Célközönség:

A célközönség egy adott csoportra vagy demográfiai csoportra utal, amelyet a tartalom vagy a művelet el kíván érni. A mesterséges intelligencia ezzel szemben különféle eszközöket használ a célközönség jobb megértésére és a velük való hatékonyabb és relevánsabb kommunikációra. A mesterséges intelligencia erre a célra alkalmazott folyamatai közé tartozik például az adatelemzés, a szegmentálás, a személyre szabás, az előrejelzés, az automatizálás és a visszacsatoláson alapuló fejlesztés.

Zielpublikum:

Die Zielgruppe bezieht sich auf eine bestimmte Gruppe oder Demografie, die mit dem Inhalt oder der Aktion erreicht werden soll. Künstliche Intelligenz hingegen nutzt verschiedene Werkzeuge, um das Zielpublikum besser zu verstehen und eine effektivere und relevantere Kommunikation mit ihm zu führen. Beispiele für Prozesse, die KI zu diesem Zweck einsetzt, sind Datenanalyse, Segmentierung, Personalisierung, Vorhersage, Automatisierung und Feedback-basierte Verbesserung.

Trending Topic (TT):

A subject or hashtag that is currently popular and widely discussed on social media platforms. It often reflects current events, trends, or viral content that is gaining significant attention and engagement.

Trend Konu /Yükselen Konular/ Gündem Konular (Bu kalıba uygun farklı Türkçe karşılıklar üretilebilir):

Sosyal medya platformlarında şu anda popüler ve geniş çapta tartışılan bir konu veya etiket. Genellikle güncel olaylar, trendler veya viral içerikler hakkında önemli bir dikkat ve etkileşim kazanan konuları yansıtır.

Tema u trendu:

Tema ili heštag koji je trenutno popularan i o kojem se masovno raspravlja na platformama društvenih medija. Obično predstavlja odraz aktuelnih dešavanja, trendova ili viralnog sadržaja koji dobija značajnu pažnju i angažovanje.

Felkapott téma (TT):

Olyan téma vagy hashtag, amely jelenleg népszerű és széles körben megvitatott a közösségi média platformokon. Gyakran tükrözi az aktuális eseményeket, trendeket vagy vírusos tartalmat, amely jelentős figyelmet és érdeklődést vált ki.

Turing Testi:

Bir makinenin insan gibi düşünüp düşünmediğini test eden bir yöntem.

Ein Thema oder Hashtag, das derzeit auf Social-Media-Plattformen beliebt ist und viel diskutiert wird. Es spiegelt oft aktuelle Ereignisse, Trends oder virale Inhalte wider, die viel Aufmerksamkeit und Engagement erregen.

Turing Test:

A method to test whether a machine can think like a human.

Tjuringov test:

Metod kojim se testira da li mašina može da razmišlja kao čovek.

Transfer Learning:

A machine learning technique where a pre-trained model developed for one task is reused as the starting point for a model on a second task.

Transfer Öğrenimi:

Transfer öğrenimi, bir görev için geliştirilen önceden eğitilmiş bir modelin, ikinci bir görevde başlangıç noktası olarak yeniden kullanıldığı bir makine öğrenimi tekniğidir.

Transferno učenje:

Tehnika mašinskog učenja u kojoj se unapred treniran model razvijen za jedan zadatak ponovo koristi kao polazna tačka za model namenjen drugom zadatku

Tanulás átvitele:

Gépi tanulási technika, amelyben egy előre betanított, egy feladathoz kifejlesztett modellt egy második feladat modelljének kiindulópontjaként használnak fel.

Eine Technik des maschinellen Lernens, bei der ein für eine Aufgabe entwickeltes, vortrainiertes Modell als Ausgangspunkt für ein Modell für eine zweite Aufgabe wiederverwendet wird.

Text Analysis:

The systematic examination of text data to derive meaningful insights, extract information, and structure the data. This process employs various techniques and tools to identify patterns, themes, and relationships within the text. Text analysis is especially useful when working with large datasets or trying to comprehend the meaning and content of texts.

Text Analysis (Metin Analizi):

Metin verilerini sistematik bir şekilde inceleyerek anlam çıkarma, bilgi elde etme ve veriyi yapılandırma sürecidir. Bu süreç, genellikle metin içindeki kalıpları, temaları ve ilişkileri belirlemek için çeşitli teknikler ve araçlar kullanır. Text analysis, özellikle büyük veri setleri ile çalışırken veya metinlerin anlamını ve içeriğini anlamaya çalışırken faydalıdır.

Analiza teksta:

Sistematsko proučavanje podataka iz teksta da bi se izveli zaključci, dobile informacije i sistematizovali podaci. Ovaj proces koristi različite tehnike i alate za prepoznavanje šablona, tema i odnosa unutar teksta. Analiza teksta je naročito korisna kada se radi sa velikim skupovima podataka ili pokušava tumačenje smisla i sadržaja teksta.

Szöveg elemzése:

Szöveges adatok szisztematikus vizsgálata értelmes betekintések levonására, információk kinyerésére és az adatok strukturálására. Ez a folyamat különféle technikákat és eszközöket alkalmaz a szövegen belüli minták, témák és kapcsolatok azonosítására. A szövegelemzés különösen akkor hasznos, ha nagy adathalmazokkal dolgozik, vagy megpróbálja megérteni a szövegek jelentését és tartalmát.Textanalyse:

Die systematische Untersuchung von Textdaten, um sinnvolle Erkenntnisse zu gewinnen, Informationen zu extrahieren und die Daten zu strukturieren. Bei diesem Prozess werden verschiedene Techniken und Werkzeuge eingesetzt, um Muster, Themen und Beziehungen innerhalb des Textes zu erkennen. Die Textanalyse ist besonders nützlich, wenn man mit großen Datenmengen arbeitet oder versucht, die Bedeutung und den Inhalt von Texten zu verstehen.

Unsupervised Learning:

A type of machine learning where an AI model is trained on unlabelled data. The model is given data without explicit instructions on what to do with it and tries to find hidden patterns or intrinsic structures in the input data.

Denetimsiz Öğrenme:

Yapay zeka modelinin etiketlenmemiş verilerle eğitildiği bir makine öğrenimi türü. Model, ne yapması gerektiğine dair açık talimatlar olmaksızın veri alır ve bu veride gizli kalıplar veya içsel yapılar bulmaya çalışır.

Nenadzirano učenje:

Vrsta mašinskog učenja kod kojeg je model veštačke inteligencije obučen na neobeleženim podacima. Model je dobio podatke bez jasnih uputstava šta sa njima treba da radi i pokušava da pronađe skrivene obrasce ili ključne strukture u ulaznim podacima.

Felügyelet nélküli tanulás:

A gépi tanulás olyan típusa, amelyben egy mesterséges intelligencia modellt címkézetlen adatokra tanítanak. A modell adatot kap anélkül, hogy kifejezett utasításokat kellene tennie, és megpróbálja megtalálni a rejtett mintákat vagy belső struktúrákat a bemeneti adatokban.

Unüberwachtes Lernen:

Eine Art des maschinellen Lernens, bei dem ein KI-Modell auf unmarkierten Daten trainiert wird. Das Modell erhält Daten ohne explizite Anweisungen, was damit zu tun ist, und versucht, versteckte Muster oder intrinsische Strukturen in den Eingabedaten zu finden.

User Persona:

A user persona is a fictional character created by analyzing characteristic information from various sources to define the target audience and their needs for a product or service.

Kullanıcı Karakteri:

Kullanıcı karakteri, bir ürün veya hizmet için müşteri kitlesini ve ihtiyaçlarını belirlemek amacıyla farklı kaynaklardan elde edilen karakteristik bilgilerin analiz edilmesiyle oluşturulan kurgusal bir karakterdir.

Profil ličnosti korisnika:

Profil ličnosti korisnika je izmišljeni lik nastao analizom karakterističnih podataka iz različitih izvora da bi se odredila ciljna publika i njene potrebe za nekim proizvodom ili uslugom.

Felhasználói személy:

A felhasználói személy egy kitalált karakter, amelyet különféle forrásokból származó jellemző információk elemzésével hoztak létre, hogy meghatározzák a célközönséget és a termékkel vagy szolgáltatással kapcsolatos igényeiket.

Benutzer-Persona:

Eine User Persona ist eine fiktive Figur, die durch die Analyse von charakteristischen Informationen aus verschiedenen Quellen erstellt wird, um die Zielgruppe und ihre Bedürfnisse für ein Produkt oder eine Dienstleistung zu definieren.

Virtual Reality VR:

Virtual Reality (VR) is a computer-generated environment with scenes and objects that appear to be real, making the user feel they are immersed in their surroundings.  It is a simulated experience that employs 3D near-eye displays and pose tracking to give the user an immersive feel of a virtual world.

Virtual Reality VR (Sanal gerçeklik):

Bilgisayarlar veya elektronik cihazlar kullanılarak oluşturulan, kullanıcıları görsel ve işitsel olarak bir simülasyon içine yerleştiren, gerçek dünyanın dışında bir deneyim sunan teknolojidir. Üretilen bu sanal dünyada kullanıcıların gerçekliği daha iyi hissetmesini sağlamak için genellikle üç boyutlu gözlük ve sanal takip teknolojileri kullanılır.

Virtuelna stvarnost:

Virtuelna stvarnost je kompjuterski stvoreno okruženje sa prizorima i predmetima koji izgledaju kao da su stvarni što kod korisnika ostavlja utisak da je uronio u to okruženje. To je simulirano iskustvo koje koristi trodimenzionalne prikaze na ekranu blizu očiju i praćenje pokreta da bi se korisniku pružio osećaj uranjanja u virtuelni svet.

Virtuális valóság VR:

A virtuális valóság (VR) egy számítógép által generált környezet valódinak tűnő jelenetekkel és tárgyakkal, így a felhasználó úgy érzi, hogy elmerül a környezetében. Ez egy szimulált élmény, amely 3D-s szemközeli kijelzőket és pózkövetést alkalmaz, hogy a felhasználó magával ragadó érzést nyújtson a virtuális világban.

Virtuelle Realität VR:

Virtual Reality (VR) ist eine computergenerierte Umgebung mit real erscheinenden Szenen und Objekten, die dem Benutzer das Gefühl geben, in seine Umgebung einzutauchen.  Es handelt sich um eine simulierte Erfahrung, bei der 3D-Displays mit augennaher Darstellung und Posenverfolgung eingesetzt werden, um dem Benutzer das Gefühl zu vermitteln, in eine virtuelle Welt einzutauchen.

Virtual Assistant:

-also known as a digital or AI-powered assistant- a software application that can perform tasks or provide services for an individual based on commands or questions. These assistants leverage natural language processing (NLP) and machine learning to understand and respond to user inputs, often through voice or text interfaces. They are widely used for recommending media content and facilitating user interactions.

Virtual Assistant (Sanal Asistan):

Dijital veya yapay zeka destekli bir asistan olup, kullanıcıların sorularını yanıtlamak, görevleri yerine getirmek ve çeşitli hizmetler sağlamak için kullanılır. Bu asistanlar, genellikle doğal dil işleme (NLP) ve makine öğrenimi teknikleri kullanarak çalışır. Medya içeriği önerileri ve kullanıcı etkileşimleri için yaygın olarak kullanılmaktadır.

Virtuelni asistent:

– poznat i kao digitalni ili asistent kojeg pokreće virtuelna stvarnost – softverska aplikacija koja može da izvršava zadatke ili pruža usluge pojedincu na osnovu komandi ili pitanja. Ovi asistenti se oslanjaju na obradu prirodnog jezika (NLP) i mašinsko učenje da bi razumeli i odgovorili na korisničke zahteve, često glasovno ili kroz tekstualni interfejs. Imaju široku priemenu u preporučivanju medijskog sadržaja ili olakšavanju interakcije sa korisnikom.

Virtuális asszisztens:

– más néven digitális vagy mesterséges intelligencia alapú asszisztens – olyan szoftveralkalmazás, amely parancsok vagy kérdések alapján feladatokat hajthat végre vagy szolgáltatásokat nyújthat az egyén számára. Ezek az asszisztensek a természetes nyelvi feldolgozást (NLP) és a gépi tanulást használják fel, hogy megértsék és reagáljanak a felhasználói bevitelekre, gyakran hang- vagy szöveges felületeken keresztül. Széles körben használják médiatartalmak ajánlására és a felhasználói interakciók megkönnyítésére.

Virtueller Assistent:

-auch bekannt als digitaler oder KI-gestützter Assistent- eine Softwareanwendung, die auf der Grundlage von Befehlen oder Fragen Aufgaben oder Dienstleistungen für eine Person übernehmen kann. Diese Assistenten nutzen die Verarbeitung natürlicher Sprache (NLP) und maschinelles Lernen, um Benutzereingaben zu verstehen und darauf zu reagieren, häufig über Sprach- oder Textschnittstellen. Sie werden häufig zur Empfehlung von Medieninhalten und zur Erleichterung von Benutzerinteraktionen eingesetzt.

Visual Recognition:

The technology and process used to analyze images or videos to identify and classify objects, faces, or other features. This technology is a key component of computer vision and involves various techniques and models to interpret visual data.

Visual Recognition (Görüntü Tanıma):

Görüntüleri veya videoları analiz ederek nesneleri, yüzleri veya diğer özellikleri tanıma ve sınıflandırma teknolojisidir. Görsel veriyi yorumlamak ve anlamak için kritik bir rol oynar ve güvenlikten sağlık hizmetlerine kadar geniş bir uygulama yelpazesinde kullanılan önemli bir bileşendir.

Vizuelno prepoznavanje:

Tehnologija i proces koji se koristi za analizu slika ili video zapisa da bi se prepoznali i razvrstali predmeti, lica ili druge odlike. Ova tehnologija je ključni deo kompjuterskog vida i obuhvata različite tehnike i modele za tumačenje vizuelnih podataka.

Vizuális felismerés:

A képek vagy videók elemzésére használt technológia és folyamat tárgyak, arcok vagy egyéb jellemzők azonosítása és osztályozása céljából. Ez a technológia a számítógépes látás kulcseleme, és különféle technikákat és modelleket foglal magában a vizuális adatok értelmezésére.

Visuelle Erkennung:

Die Technologie und der Prozess, der zur Analyse von Bildern oder Videos verwendet wird, um Objekte, Gesichter oder andere Merkmale zu identifizieren und zu klassifizieren. Diese Technologie ist eine Schlüsselkomponente der Computer Vision und umfasst verschiedene Techniken und Modelle zur Interpretation visueller Daten

Voice Recognition:

Also known as speech recognition, a technology used to convert spoken language into text and analyze spoken commands. It allows computers and devices to understand and process human speech.

Konuşma Tanıma (Voice Recognition):

Sesli komutlar ve konuşma analizini gerçekleştirmek için kullanılan bir yapay zeka teknolojisidir. Bu teknoloji, ses dalgalarını analiz ederek konuşulan kelimeleri metne dönüştürmeyi ve bu metni anlamayı sağlar.

Prepoznavanje glasa:

Poznata i kao prepoznavanje govora, tehnologija se koristi za konvertovanje govora u tekst i analizu izgovorenih komandi. Kompjuterima i uređajima omogućava da razumeju i obrade ljudski govor.

Hangfelismerés:

Más néven beszédfelismerés, a beszélt nyelv szöveggé alakítására és a kimondott parancsok elemzésére szolgáló technológia. Lehetővé teszi a számítógépek és eszközök számára az emberi beszéd megértését és feldolgozását.

Spracherkennung:

Auch bekannt als Spracherkennung, eine Technologie zur Umwandlung von gesprochener Sprache in Text und zur Analyse von gesprochenen Befehlen. Sie ermöglicht es Computern und Geräten, menschliche Sprache zu verstehen und zu verarbeiten.

Voice Cloning :

Voice cloning refers to the technology and process of creating and forming a digital copy of a person’s voice. This involves using AI in order to analyze and replicate original and unique characteristics, tone, pitch and speaking of individual’s voice.

Ses Klonlanması:

Ses klonlama, bir kişinin sesinin dijital bir kopyasını oluşturma teknolojisi ve sürecini ifade eder. Bu, yapay zeka kullanarak bireyin sesinin orijinal ve benzersiz özelliklerini, tonunu, perdeyi ve konuşma tarzını analiz edip çoğaltmayı içerir.

Kloniranje glasa:

Kloniranje glasa se odnosi na tehnololgiju i proces stvaranja i oblikovanja digitalne kopije nečijeg glasa. Podrazumeva upotrebu veštačke inteligencije za analizu i izradu kopije originalnih i jedinstvenih odlika nečijeg glasa, tona, visine i načina govora.

Hang klónozás:

A hangklónozás egy személy hangjának digitális másolatának létrehozására és előállítására szolgáló technológiára és folyamatra utal. Ez magában foglalja a mesterséges intelligencia használatát az egyén hangjának eredeti és egyedi jellemzőinek, hangszínének, hangmagasságának és beszédének elemzésére és reprodukálására.

Klonen der Stimme :

Das Klonen von Stimmen bezieht sich auf die Technologie und den Prozess der Erstellung und Formung einer digitalen Kopie der Stimme einer Person. Dabei wird KI eingesetzt, um die ursprünglichen und einzigartigen Merkmale, den Ton, die Tonhöhe und das Sprechen der Stimme einer Person zu analysieren und zu replizieren.

Variational Autoencoder (VAE):

a powerful generative model that learns the distribution of data to generate new samples. It consists of an encoder, latent space, and decoder, enabling data reconstruction.

Varyasyonel Otomatik Kodlayıcı:

Verilerin dağılımını öğrenmek ve yeni veriler oluşturmak için kullanılan güçlü bir generative modeldir.

Varijacioni autoenkoderi:

Moćan generativni model koji uči distribuciju podataka da bi napravio nove uzorke. Sadrži enkoder, latentni prostor i dekoder što omogućava rekonstrukciju podataka.

Változatos automatikus kódoló (VAE):

egy hatékony generatív modell, amely megtanulja az adatok elosztását új minták generálásához. Ez egy kódolóból, látens térből és dekódolóból áll, lehetővé téve az adatok rekonstrukcióját.

Ein leistungsstarkes generatives Modell, das die Verteilung von Daten erlernt, um neue Proben zu erzeugen. Es besteht aus einem Encoder, einem latenten Raum und einem Decoder, der die Rekonstruktion von Daten ermöglicht.

Viral Content:

Content that quickly gains widespread visibility and interaction, often going viral as it is shared extensively by users across various online platforms. The content usually triggers strong emotional responses, such as humor, surprise, or inspiration, which encourages users to share it within their networks, amplifying its reach.

Viral İçerik:

Geniş bir kitle tarafından hızla paylaşılma ve etkileşim alma potansiyeline sahip olan içeriktir. Bu içerikler, genellikle duygusal bir tepki yaratır, eğlenceli veya ilginç olabilir, ve insanların kendi sosyal ağlarında paylaşmalarını teşvik eder. Viral içerikler, kısa süre içinde büyük bir görünürlük ve erişim sağlar.

Viralni sadržaj:

Sadržaj čija vidljivost i interakcija se šire velikom brzinom i često postaje viralan zato što ga korisnici masovno dele na različitim platformama na internetu. Sadržaj obično budi snažan emotivni odgovor, kao što je humor, iznenađenje ili nadahnuće što korisnike podstiče da ga dele na svojim mrežama i tako uvećavaju njegovu dostupnost.

Vírusos tartalom:

A tartalom, amely gyorsan széles körű láthatóságot és interakciót nyer, és gyakran vírusos, mivel a felhasználók széles körben megosztják a különböző online platformokon. A tartalom általában erős érzelmi reakciókat vált ki, például humort, meglepetést vagy inspirációt, ami arra ösztönzi a felhasználókat, hogy osszák meg azt a hálózatukon belül, erősítve az elérhetőséget.

Virale Inhalte:

Inhalte, die schnell eine große Sichtbarkeit und Interaktion erreichen und oft viral werden, da sie von Nutzern auf verschiedenen Online-Plattformen ausgiebig geteilt werden. Der Inhalt löst in der Regel starke emotionale Reaktionen aus, wie Humor, Überraschung oder Inspiration, was die Nutzer dazu ermutigt, ihn in ihren Netzwerken zu teilen und so seine Reichweite zu vergrößern.

Toggle content goes here, click edit button to change this text.

Web Scraping:

The process of extracting data from websites. This is usually accomplished by automated scripts or software that navigate through web pages, retrieve the necessary information, and store it in a structured format for further analysis.

Web Scraping (Web Kazıma)

İnternet üzerindeki web sitelerinden veri toplama ve bu verileri analiz edebilmek için kullanılan bir tekniktir. Web scraping, genellikle otomatikleştirilmiş araçlar veya yazılımlar kullanılarak gerçekleştirilir.

Ekstrakcija podataka sa mreže:

Proces pribavljanja podataka sa internet stranica. Ovo se obično ostvaruje uz pomoć automatizovanih skripti ili softvera koji se kreću po stranicama na internetu, preuzimaju potrebne informacije i skladište ih u struktuiranom formatu za dalju analizu.

Webaratás:

Az adatok kinyerésének folyamata a webhelyekről. Ezt általában automatizált szkriptekkel vagy szoftverekkel érik el, amelyek navigálnak a weboldalakon, lekérik a szükséges információkat, és strukturált formátumban tárolják azokat további elemzés céljából.

Der Prozess der Extraktion von Daten aus Webseiten. Dies geschieht in der Regel durch automatisierte Skripte oder Software, die durch Webseiten navigieren, die erforderlichen Informationen abrufen und sie in einem strukturierten Format für die weitere Analyse speichern.

Zero-shot learning (ZSL):

A machine learning capability where a model can correctly identify new classes that it has never seen during training.

Sıfır Vuruşlu Öğrenme:

Makine öğreniminde, bir modelin daha önce hiç görmediği veya üzerinde eğitim almadığı sınıfları, veri setlerini doğru bir şekilde tanıma yeteneğidir.

Učenje bez uzorka:

Sposobnost mašinskog učenja kod kojeg model može pravilno da prepozna nove klase sa kojima se nije susreo za vreme treninga.

Zero-shot tanulás (ZSL):

Gépi tanulási képesség, ahol a modell képes helyesen azonosítani azokat az új osztályokat, amelyeket soha nem látott a képzés során.

Eine Fähigkeit des maschinellen Lernens, bei der ein Modell neue Klassen korrekt identifizieren kann, die es während des Trainings noch nie gesehen hat.