Tartalom
- Meghatározás - Mit jelent az edzési adatok?
- Bevezetés a Microsoft Azure és a Microsoft Cloud | A jelen útmutató során megtanulja, mi szól a felhőalapú számítástechnikából, és hogyan segítheti a Microsoft Azure a felhőből történő migrációt és az üzleti vállalkozás futtatását.
- A Techopedia magyarázza az edzési adatokat
Meghatározás - Mit jelent az edzési adatok?
A képzési adatok gépi tanulási programokban való felhasználásának ötlete egy egyszerű koncepció, ám e technológiák működésének alapvető eleme is. A képzési adatok egy kezdeti adatkészlet, amelyet arra használnak, hogy a program megértse, hogyan alkalmazható olyan technológiákat, mint az ideghálózatok a tanuláshoz és a kifinomult eredmények eléréséhez. Kiegészíthetők későbbi adatállományokkal, úgynevezett validálási és tesztelési készletekkel.
Az edzési adatok edzőkészletként, edzési adatkészletként vagy tanulási készletként is ismertek.
Bevezetés a Microsoft Azure és a Microsoft Cloud | A jelen útmutató során megtanulja, mi szól a felhőalapú számítástechnikából, és hogyan segítheti a Microsoft Azure a felhőből történő migrációt és az üzleti vállalkozás futtatását.
A Techopedia magyarázza az edzési adatokat
A képzési készlet az az anyag, amelyen keresztül a számítógép megtanulja, hogyan kell feldolgozni az információkat. A gépi tanulás algoritmusokat használ - utánozza az emberi agy azon képességét, hogy különféle bemeneteket vegyen fel és mérlegeljen, hogy az agyban, az egyes neuronokban aktivációkat érjen el. A mesterséges idegsejtek e folyamat nagy részét a szoftver - gépi tanulás és az ideghálózati programok segítségével replikálják, amelyek rendkívül részletes modelleket nyújtanak az emberi gondolati folyamatok működésére.
Ezt szem előtt tartva, az edzési adatok különböző módon strukturálhatók. A szekvenciális döntési fák és az ilyen típusú algoritmusok esetében nyers vagy alfanumerikus adatok halmaza lenne, amelyet besorolnánk vagy más módon manipulálnánk. Másrészt, a képfeldolgozáshoz és a számítógépes látáshoz kapcsolódó konvolúciós neurális hálózatokhoz az edzőkészlet gyakran nagyszámú képet tartalmaz. Az ötlet az, hogy mivel a gépi tanulási program annyira bonyolult és kifinomult, az egyes képeknél iteratív képzést alkalmaz, hogy végül felismerje a tulajdonságokat, formákat és akár olyan témákat is, mint emberek vagy állatok. A képzési adatok feltétlenül nélkülözhetetlenek a folyamathoz - úgy tekinthetők, mint „étel”, amelyet a rendszer működtet.