Označeni podaci, u kontekstu umjetne inteligencije (AI), a posebno u domeni Google Cloud Machine Learninga, odnose se na skup podataka koji je komentiran ili označen određenim oznakama ili kategorijama. Ove oznake služe kao osnovna istina ili referenca za obuku algoritama strojnog učenja. Povezivanjem podatkovnih točaka s njihovim odgovarajućim oznakama, model strojnog učenja može naučiti prepoznati obrasce i napraviti predviđanja na temelju novih, dosad neviđenih podataka.
Označeni podaci igraju ključnu ulogu u nadziranom učenju, što je uobičajeni pristup u strojnom učenju. U nadziranom učenju, model se trenira na označenom skupu podataka kako bi naučio odnos između ulaznih značajki i njihovih odgovarajućih izlaznih oznaka. Ovaj proces obuke omogućuje modelu da generalizira svoje znanje i napravi točna predviđanja na temelju novih, neviđenih podataka.
Kako bismo ilustrirali ovaj koncept, razmotrimo primjer zadatka strojnog učenja u području prepoznavanja slika. Pretpostavimo da želimo izgraditi model koji može klasificirati slike životinja u različite kategorije kao što su mačke, psi i ptice. Trebat će nam označeni skup podataka gdje je svaka slika povezana sa svojom ispravnom oznakom. Na primjer, slika mačke bila bi označena kao "mačka", slika psa kao "pas" i tako dalje.
Označeni skup podataka sastojao bi se od zbirke slika i njihovih odgovarajućih oznaka. Svaka bi slika bila predstavljena skupom značajki, kao što su vrijednosti piksela ili prikazi više razine izdvojeni iz slike. Oznake bi označavale ispravnu kategoriju ili klasu kojoj svaka slika pripada.
Tijekom faze obuke, model strojnog učenja bio bi predstavljen s označenim skupom podataka. Naučilo bi identificirati obrasce i odnose između ulaznih značajki i odgovarajućih oznaka. Model bi ažurirao svoje unutarnje parametre kako bi smanjio razliku između svojih predviđanja i pravih oznaka u podacima o obuci.
Nakon što se model uvježba, može se koristiti za predviđanje novih, dosad neviđenih slika. S obzirom na neoznačenu sliku, model bi analizirao njezine značajke i predvidio najvjerojatnije oznake na temelju naučenog znanja iz označenog skupa podataka. Na primjer, ako model predviđa da slika sadrži mačku, to znači da je prepoznao uzorke na slici koji ukazuju na mačku.
Označeni podaci temeljna su komponenta u obuci modela strojnog učenja. Pruža potrebne informacije iz kojih model može učiti i praviti točna predviđanja. Povezivanjem podatkovnih točaka s njihovim odgovarajućim oznakama, model može naučiti prepoznavati obrasce i generalizirati svoje znanje na nevidljive podatke.
Ostala nedavna pitanja i odgovori u vezi EITC/AI/GCML Google Cloud Machine Learning:
- Što je tekst u govor (TTS) i kako radi s umjetnom inteligencijom?
- Koja su ograničenja u radu s velikim skupovima podataka u strojnom učenju?
- Može li strojno učenje pomoći u dijalogu?
- Što je TensorFlow igralište?
- Što zapravo znači veći skup podataka?
- Koji su primjeri hiperparametara algoritma?
- Što je učenje ansambla?
- Što ako odabrani algoritam strojnog učenja nije prikladan i kako se možemo pobrinuti da odaberemo pravi?
- Treba li modelu strojnog učenja nadzor tijekom obuke?
- Koji su ključni parametri koji se koriste u algoritmima koji se temelje na neuronskim mrežama?
Pogledajte više pitanja i odgovora u EITC/AI/GCML Google Cloud Machine Learning
Još pitanja i odgovora:
- Polje: Umjetna inteligencija
- Program: EITC/AI/GCML Google Cloud Machine Learning (idite na program certifikacije)
- Lekcija: Uvod (idi na povezanu lekciju)
- Tema: Što je strojno učenje (idi na srodnu temu)