AI 트레이닝

지도 교육 실행은 입력 및 목표 답변으로 시작됩니다. 모델은 답을 예측하고, 손실 함수는 불일치를 측정하며, 최적화 알고리즘은 해당 매개변수를 업데이트합니다. 이를 여러 예제에 걸쳐 반복하면 손실을 줄일 수 있습니다. 에포크는 학습 데이터 세트를 한 번 통과하는 것을 의미합니다. 이는 발전을 보장하지 않습니다. 데이터세트와 목표는 모델이 학습에 대해 어떤 보상을 받는지 정의합니다. 구매를 예측하기 위해 모델을 훈련시키는 것은 고객 만족도를 추정하기 위한 훈련과 다른 작업을 가르칩니다. 편리한 라벨은 중요한 결과를 제대로 대체하지 못할 수 있습니다. 검증 예제를 사용하여 설정을 선택한 다음 별도의 테스트 세트에서 선택한 모델을 평가합니다. 분할하면 정보가 유출될 수 있으므로 동일한 사람, 문서 또는 이벤트에 속한 기록을 함께 보관하십시오. 예측의 경우 이전 예측에 미래 관찰을 허용하기보다는 이후 기간을 평가합니다. 각 체크포인트마다 데이터 버전, 전처리 규칙, 모델 구성, 평가 결과를 저장합니다. 토크나이저 또는 기능 변환 없이 저장된 모델은 원래 동작을 재현하지 못할 수 있습니다. 훈련은 정의된 실험에 대해서만 완료됩니다. 결과를 배포하면 모니터링 및 운영 책임이 추가됩니다.