ДалееДалее в Основах ИИ
Объяснение моделей искусственного интеллекта
Основы
РУКОВОДСТВО ПО ОСНОВАМ
Обучение искусственному интеллекту
Обучение ИИ — это процесс корректировки модели машинного обучения с использованием примеров и целей обучения.
Прослушайте это руководствоОзвучено ИИ · ~2 min
На этой странице2 минуты чтения
Обзор
Он создает изученные параметры, такие как веса в нейронной сети. Обучение отличается от предоставления инструкций уже обученной модели.
Ключевые выводы
- Цель и данные определяют задачу обучения.
- Держите оценку отдельно от примерки и выбора модели.
- Сохраняйте версии предварительной обработки и данных вместе с моделью.
Глубокое погружение
Контролируемое обучение начинается с ввода данных и целевых ответов. Модель предсказывает ответ, функция потерь измеряет несоответствие, а алгоритм оптимизации обновляет свои параметры. Повторение этого на нескольких примерах может уменьшить потери. Эпоха означает один проход через набор обучающих данных; это не гарантия прогресса. Набор данных и цель определяют, за что модель будет вознаграждена за обучение. Обучение модели прогнозированию покупки решает другую задачу, чем обучение модели оценке удовлетворенности клиентов. Удобный ярлык может оказаться плохой заменой важного результата. Используйте примеры проверки, чтобы выбрать настройки, а затем оцените выбранную модель на отдельном наборе тестов. Храните записи, принадлежащие одному и тому же лицу, документу или событию, вместе, поскольку в противном случае разделение может привести к утечке информации. Для прогнозирования оценивайте более поздние периоды, а не учитывайте будущие наблюдения в более ранних прогнозах. Сохраните версию данных, правила предварительной обработки, конфигурацию модели и результаты оценки для каждой контрольной точки. Сохраненная модель без токенизатора или преобразований функций может не воспроизвести исходное поведение. Обучение завершено только для определенного эксперимента; внедрение результатов добавляет обязанности по мониторингу и эксплуатации.
04Рабочий пример
Одно обновление в игрушечной модели
Используйте прогноз иллюстративной модели = вес × входные данные с входными данными 2, целью 6 и начальным весом 1.
Квадрат ошибки равен (2 – 6)² = 16. Ее производная по весу равна 2 × 2 × (2 – 6) = –16.
При скорости обучения 0,1 следующий вес равен 1–0,1 × (–16) = 2,6. Новое предсказание составляет 5,2, а квадратичная ошибка — 0,64.
Что это показывает
Этот построенный расчет показывает обновление параметра. Один улучшенный пример не обеспечивает производительности на новых примерах.
Реальная реализация
Обучите небольшой классификатор помеченным запросам на поддержку и оцените его на следующей неделе.
Сравните обученный прогноз спроса с простым базовым показателем за прошлую неделю, прежде чем вводить его в эксплуатацию.
Применение на практике
Почему это важно
- Более четкие решения. Это поможет вам отделить четкие технические заявления от маркетингового языка.
- Стоимость и бюджет. Вы можете задать более эффективные вопросы по реализации, прежде чем тратить деньги или время.
- Команда и рабочий процесс. Команды с общим пониманием принимают более эффективные решения по продуктам, политике и обучению.
Следите за
- Разные команды могут использовать один и тот же термин по-разному, поэтому заранее определите масштаб.
- Тесты могут выглядеть сильными, в то время как реальная производительность неравномерна.
- Игнорирование качества данных и планов оценки часто приводит к нестабильным результатам.
Следующие шаги
- Начните с простого определения желаемого результата.
- Перед тестированием выберите один показатель успеха и одно условие отказа.
- Запустите небольшой пилотный проект с репрезентативными данными, а не отточенный демонстрационный набор.
- Документируйте, где обучение ИИ помогает и где более простые методы лучше.
Источники и дальнейшее чтение
Продолжайте исследовать
Бесплатная рассылка
Получайте ежедневный AI-обзор
Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.
Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.
Проверьте себя
Take the AI Training quiz
Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.
Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование
Часто задаваемые вопросы
Обучает ли модель ввод приглашения?
Подсказка меняет текущий контекст. Само по себе это не подразумевает обновление веса. Будет ли служба позже использовать взаимодействие для обучения, зависит от ее отдельной политики данных.
Продолжайте учиться
Связанные руководства
Другие руководства, выбранные по этой теме