Podatki o usposabljanju

Vsebina

• Opredelitev - Kaj pomenijo podatki o usposabljanju?
• Uvod v Microsoft Azure in Microsoft Cloud | V tem priročniku boste spoznali, kaj sploh pomeni računalništvo v oblaku in kako vam lahko Microsoft Azure pomaga preseliti in voditi vaše podjetje iz oblaka.
• Techopedia razlaga podatke o usposabljanju

Opredelitev - Kaj pomenijo podatki o usposabljanju?

Ideja o uporabi podatkov o usposabljanju v programih strojnega učenja je preprost koncept, vendar je tudi zelo smiselna za delovanje teh tehnologij. Podatki o vadbi so začetni nabor podatkov, ki pomagajo programu razumeti, kako uporabiti tehnologije, kot so nevronske mreže, za učenje in ustvarjanje sofisticiranih rezultatov. Lahko ga dopolnijo z naslednjimi nabori podatkov, ki se imenujejo validacijski in preskusni nabori.

Podatki o usposabljanju so znani tudi kot nabor usposabljanja, nabor podatkov o usposabljanju ali učni komplet.

Uvod v Microsoft Azure in Microsoft Cloud | V tem priročniku boste spoznali, kaj sploh pomeni računalništvo v oblaku in kako vam lahko Microsoft Azure pomaga preseliti in voditi vaše podjetje iz oblaka.

Techopedia razlaga podatke o usposabljanju

Vadbeni sklop je gradivo, s katerim se računalnik nauči, kako obdelovati informacije. Strojno učenje uporablja algoritme - posnema sposobnosti človeških možganov, da sprejmejo različne vložke in jih tehtajo, da se v možganih, v posameznih nevronih proizvedejo aktivacije. Umetni nevroni ponavljajo veliko tega procesa s programsko opremo - strojno učenje in programi nevronskih mrež, ki ponujajo zelo podrobne modele, kako delujejo naši človeški miselni procesi.

Glede na to je mogoče podatke o usposabljanju strukturirati na različne načine. Za zaporedna drevesa odločitev in te vrste algoritmov bi bil niz surovih ali alfanumeričnih podatkov razvrščen ali kako drugače manipuliran. Po drugi strani je za konvolucionarne nevronske mreže, ki se nanašajo na obdelavo slik in računalniški vid, vadbeni komplet pogosto sestavljen iz velikega števila slik. Ideja je ta, da je program strojnega učenja tako zapleten in tako izpopolnjen, da na vsaki od teh slik uporabi iterativni trening, da lahko na koncu prepozna lastnosti, oblike in celo predmete, kot so ljudje ali živali. Podatki o usposabljanju so za proces nujno potrebni - lahko jih predstavljamo kot "hrano", ki jo sistem uporablja za delovanje.