Sisältö
- Määritelmä - mitä harjoitustiedot tarkoittavat?
- Johdanto Microsoft Azureen ja Microsoft Cloud | Tämän oppaan läpi opit mitä pilvipalvelussa on kyse ja kuinka Microsoft Azure voi auttaa sinua siirtämään ja johtamaan yritystä pilvestä.
- Techopedia selittää harjoitustiedot
Määritelmä - mitä harjoitustiedot tarkoittavat?
Ajatus harjoitustietojen käytöstä koneoppimisohjelmissa on yksinkertainen käsite, mutta se on myös erittäin perusta näiden tekniikoiden toimintataville. Harjoitustiedot ovat alustava tietojoukko, jota käytetään auttamaan ohjelmaa ymmärtämään, kuinka neuroverkkojen kaltaisia tekniikoita voidaan käyttää oppimaan ja tuottamaan hienostuneita tuloksia. Sitä voidaan täydentää myöhemmillä datajoukkoilla, joita kutsutaan validointi- ja testaussarjoiksi.
Harjoitustiedot tunnetaan myös nimellä harjoitussarja, harjoitustiedot tai oppimisjoukko.
Johdanto Microsoft Azureen ja Microsoft Cloud | Tämän oppaan läpi opit mitä pilvipalvelussa on kyse ja kuinka Microsoft Azure voi auttaa sinua siirtämään ja johtamaan yritystä pilvestä.
Techopedia selittää harjoitustiedot
Harjoittelu on materiaali, jonka kautta tietokone oppii käsittelemään tietoja. Koneoppimisessa käytetään algoritmeja - se jäljittelee ihmisen aivojen kykyä ottaa vastaan erilaisia tuloksia ja punnita niitä aktivoinnin aikaansaamiseksi aivoissa, yksittäisissä hermosoluissa. Keinotekoiset neuronit replikoivat suuren osan tästä prosessista ohjelmisto - koneoppimisella ja hermostoverkko-ohjelmilla, jotka tarjoavat erittäin yksityiskohtaisia malleja siitä, kuinka ihmisen ajatusprosessimme toimivat.
Tätä silmällä pitäen harjoitustiedot voidaan jäsentää eri tavoin. Peräkkäisissä päätöspuissa ja tämäntyyppisissä algoritmeissa se olisi joukko raakoja tai aakkosnumeerisia tietoja, jotka luokitellaan tai muuten manipuloidaan. Toisaalta konvoluutiohermostoverkoissa, jotka liittyvät kuvankäsittelyyn ja tietokoneen näkemykseen, harjoitusjoukko koostuu usein suuresta määrästä kuvia. Ajatuksena on, että koska koneoppimisohjelma on niin monimutkainen ja hienostunut, se käyttää iteratiivista koulutusta jokaisessa kuvassa, jotta lopulta pystyy tunnistamaan piirteet, muodot ja jopa aiheet, kuten ihmiset tai eläimet. Koulutustiedot ovat ehdottoman välttämättömiä prosessille - sitä voidaan pitää "ruoana", jota järjestelmä käyttää toimimaan.