Означени подаци, у контексту вештачке интелигенције (АИ), а посебно у домену Гоогле Цлоуд машинског учења, односе се на скуп података који је означен или означен одређеним ознакама или категоријама. Ове ознаке служе као основна истина или референца за обуку алгоритама машинског учења. Повезујући тачке података са њиховим одговарајућим ознакама, модел машинског учења може научити да препозна обрасце и прави предвиђања на основу нових, невидљивих података.
Означени подаци играју кључну улогу у надгледаном учењу, што је уобичајен приступ у машинском учењу. У контролисаном учењу, модел се обучава на означеном скупу података како би научио однос између улазних карактеристика и њихових одговарајућих излазних ознака. Овај процес обуке омогућава моделу да генерализује своје знање и прави тачна предвиђања на основу нових, невидљивих података.
Да бисмо илустровали овај концепт, размотримо пример задатка машинског учења у области препознавања слика. Претпоставимо да желимо да направимо модел који може да класификује слике животиња у различите категорије као што су мачке, пси и птице. Требао би нам означени скуп података где је свака слика повезана са својом исправном ознаком. На пример, слика мачке би била означена као "мачка", слика пса као "пас" и тако даље.
Означени скуп података би се састојао од колекције слика и њихових одговарајућих ознака. Свака слика би била представљена скупом карактеристика, као што су вредности пиксела или репрезентације вишег нивоа извучене из слике. Ознаке би указивале на тачну категорију или класу којој свака слика припада.
Током фазе обуке, модел машинског учења би био представљен са означеним скупом података. Научило би да идентификује обрасце и односе између улазних карактеристика и одговарајућих ознака. Модел би ажурирао своје интерне параметре како би минимизирао разлику између својих предвиђања и истинитих ознака у подацима о обуци.
Када се модел обучи, може се користити за предвиђање нових, невидљивих слика. С обзиром на неозначену слику, модел би анализирао његове карактеристике и предвидео највероватнију ознаку на основу свог сазнања из означеног скупа података. На пример, ако модел предвиђа да слика садржи мачку, то значи да је препознао обрасце на слици који указују на мачку.
Означени подаци су основна компонента у обуци модела машинског учења. Пружа потребне информације за модел да учи и прави тачна предвиђања. Повезујући тачке података са њиховим одговарајућим ознакама, модел може научити да препозна обрасце и генерализује своје знање на невидљиве податке.
Остала недавна питања и одговори у вези ЕИТЦ/АИ/ГЦМЛ Гоогле Цлоуд Мацхине Леарнинг:
- Шта је текст у говор (ТТС) и како функционише са АИ?
- Која су ограничења у раду са великим скуповима података у машинском учењу?
- Може ли машинско учење да пружи неку дијалошку помоћ?
- Шта је ТенсорФлов игралиште?
- Шта заправо значи већи скуп података?
- Који су неки примери хиперпараметара алгоритма?
- Шта је ансамбл учење?
- Шта ако одабрани алгоритам машинског учења није прикладан и како се може побринути да изаберете прави?
- Да ли моделу машинског учења треба надзор током обуке?
- Који су кључни параметри који се користе у алгоритмима заснованим на неуронским мрежама?
Погледајте више питања и одговора у ЕИТЦ/АИ/ГЦМЛ Гоогле Цлоуд Мацхине Леарнинг