Александр Чесалов - Глоссариум по цифровой экономике. 1500 терминов и определений

– Агрегат (Aggregate) – это сумма, созданная из более мелких единиц. Например, население области – это совокупность населения городов, сельских районов и т. д., входящих в состав области. Суммировать данные из меньших единиц в большую единицу.

– Агрегатор (Aggregator) – это тип программного обеспечения, которое объединяет различные типы веб-контента и предоставляет его в виде легкодоступного списка. Агрегаторы каналов собирают такие данные, как онлайн-статьи из газет или цифровых изданий, публикации в блогах, видео, подкасты и т. д. Агрегатор каналов также известен как агрегатор новостей, программа для чтения каналов, агрегатор контента или программа для чтения RSS.

– Адаптивная система (Adaptive system) – это система, которая автоматически изменяет данные алгоритма своего функционирования и (иногда) свою структуру для поддержания или достижения оптимального состояния при изменении внешних условий.

– Адаптивный Дизайн (Adaptive Design) – это альтернатива фиксированному дизайну, основанная на создании отдельного дизайна программы (мобильного и настольного) для каждого пользователя. Адаптивный дизайн часто называют динамическим обслуживанием. Также, Адаптивный Дизайнотносится к планированию адаптивного онлайн-сервиса, при котором внешний вид сервиса должен корректно отображаться на различных устройствах. Адаптивная онлайн-служба использует один код с одного веб-адреса для обслуживания различных устройств пользователя (настольный компьютер, планшет, смартфон, обычный мобильный телефон), но отображает содержимое по-разному в зависимости от размера экрана.

– Аддитивное производство (Additive manufacturing) – это название промышленного производства для 3D-печати, управляемого компьютером процесса, который создает трехмерные объекты путем наложения материалов, обычно слоями.

– Аддитивные технологии (Additive technologies)― это технологии послойного создания трехмерных объектов на основе их цифровых моделей, позволяющие изготавливать изделия сложных геометрических форм и профилей.

– Активная жизнь с помощью ассистивных технологий (Active assisted living AAL) – это концепции, продукты, услуги и системы, сочетающие технологии и социальную среду с целью улучшения качества жизни людей.

– Алгоритм (Algorithm) – это точное предписание о выполнении в определенном порядке системы операций для решения любой задачи из некоторого данного класса (множества) задач. Термин «алгоритм» происходит от имени узбекского математика Мусы аль-Хорезми, который еще в 9 веке (ок. 820 г. н.э.) предложил простейшие арифметические алгоритмы. В математике и кибернетике класс задач определенного типа считается решенным, когда для ее решения установлен алгоритм. Нахождение алгоритмов является естественной целью человека при решении им разнообразных классов задач. Также, Алгоритм – это набор инструкций для решения проблемы или выполнения задачи. Одним из распространенных примеров алгоритма является рецепт, который состоит из конкретных инструкций по приготовлению блюда или еды. Каждое компьютеризированное устройство использует алгоритмы для выполнения своих функций в виде аппаратных или программных процедур. В финансах алгоритмы играют важную роль в разработке систем автоматизированной и высокочастотной торговли (HFT), а также в ценообразовании сложных финансовых инструментов, таких как производные финансовые инструменты.

– Алгоритмическая оценка (Algorithmic Assessment) – это техническая оценка, которая помогает выявлять и устранять потенциальные риски и непредвиденные последствия использования систем искусственного интеллекта, чтобы вызвать доверие и создать поддерживающие системы вокруг принятия решений ИИ.

– Алгоритмы машинного обучения (Machine learning algorithms) – это фрагменты кода, которые помогают пользователям исследовать и анализировать сложные наборы данных и находить в них смысл или закономерность. Каждый алгоритм – это конечный набор однозначных пошаговых инструкций, которые компьютер может выполнять для достижения определенной цели. В модели машинного обучения цель заключается в том, чтобы установить или обнаружить закономерности, с помощью которых пользователи могут создавать прогнозы либо классифицировать информацию. В алгоритмах машинного обучения используются параметры, основанные на учебных данных (подмножество данных, представляющее более широкий набор). При расширении учебных данных для более реалистичного представления мира с помощью алгоритма вычисляются более точные результаты. В различных алгоритмах применяются разные способы анализа данных. Они часто группируются по методам машинного обучения, в рамках которых используются: контролируемое обучение, неконтролируемое обучение и обучение с подкреплением. В наиболее популярных алгоритмах для прогнозирования целевых категорий, поиска необычных точек данных, прогнозирования значений и обнаружения сходства используются регрессия и классификация [ 12 12 .Алгоритмы машинного обучения [Электронный ресурс] //azure.microsoft.com URL: https://azure.microsoft.com/ru-ru/overview/machine-learning-algorithms/#overview (дата обращения: 18.07.2022) ].