Up tókànItọsọna atẹle
Algebra Linear fún Ẹ̀kọ́ Ẹ̀rọ
Awọn ipilẹ
Awọn ipilẹ Itọsọna
Ti nṣiṣe lọwọ eko
Ẹkọ ti nṣiṣe lọwọ jẹ ilana ikẹkọ nibiti awoṣe funrararẹ yan iru awọn apẹẹrẹ ti ko ni aami ti eniyan yẹ ki o samisi ni atẹle.
Gbọ si itọsọna yiiAI-ṣe afihan · ~2 min
Lori iwe yi2 min ka
Akopọ
O ṣe pataki nitori aami data jẹ gbowolori, ati yiyan ọlọgbọn le de deede giga pẹlu ida kan ti awọn annotations.
Jin Dive
Ẹkọ ti a ṣe abojuto pupọ julọ dawọle pe o ti ni opoplopo nla ti data aami. Ẹkọ ti nṣiṣe lọwọ yi pada pe: o bẹrẹ pẹlu ṣeto aami kekere kan ati adagun nla ti awọn apẹẹrẹ ti ko ni aami, lẹhinna beere leralera eniyan kan ('oracle') lati ṣe aami awọn ti o ni alaye julọ nikan. Awoṣe naa ti ni ikẹkọ, ti a lo lati ṣe iṣiro adagun-omi ti ko ni aami, ati pe awọn apẹẹrẹ ti o ga julọ ni a firanṣẹ fun isamisi - lẹhinna lupu tun ṣe. Awọn ilana yiyan ti o wọpọ pẹlu iṣapẹẹrẹ aidaniloju (mu awọn apẹẹrẹ awoṣe ko ni igboya nipa), ibeere-nipasẹ-igbimọ (mu ibi ti apejọ kan ko gba), ati iṣapẹẹrẹ oniruuru (bo awọn agbegbe oriṣiriṣi ti data naa). Ti ṣe daradara, ẹkọ ti nṣiṣe lọwọ le baamu deede data ti o ni kikun nipa lilo awọn akole ti o kere pupọ, eyiti o jẹ idi ti o jẹ olokiki ni aworan iṣoogun, NLP, ati agbegbe eyikeyi nibiti asọye amoye ti lọra tabi idiyele.
Real-World imuse
Ẹgbẹ redio kan ṣe ikẹkọ aṣawari tumo nipa nini asia awoṣe ni awọn iwoye ti o ni inira julọ fun awọn onimọ-jinlẹ lati ṣe aami, gige awọn wakati asọye ni iyalẹnu.
Àwúrúju kan tabi eto iwọntunwọnsi akoonu ṣe afihan awọn ifiranṣẹ ila-aala o kere ju ni idaniloju fun awọn oluyẹwo eniyan, ni ilọsiwaju yiyara ni awọn ọran eti lile.
Ile-iṣẹ idanimọ-ọrọ kan yan awọn agekuru ohun nibiti awoṣe rẹ ko ni idaniloju julọ (awọn asẹnti, ariwo) lati firanṣẹ fun kikọ silẹ, dipo fifi aami si awọn agekuru laileto.
Katalogi e-commerce kan nlo ibeere-nipasẹ-igbimọ lati mu awọn aworan ọja nibiti ọpọlọpọ awọn kilasika ko gba, fifi wọn ṣaju fun isamisi ẹka afọwọṣe.
Ọjọ iwaju ti Ẹkọ Ti nṣiṣe lọwọ
Ẹkọ ti nṣiṣe lọwọ ti n pọ si pọ si pẹlu iṣaju iṣaju ati awọn awoṣe ipilẹ, nibiti ibi-afẹde naa ti yipada lati isamisi ohun gbogbo si titọ-titun-dinku lori awọn apẹẹrẹ iye-giga diẹ. Reti isọdọkan wiwọ pẹlu abojuto alailagbara, iṣaju iṣaju ti ara ẹni, ati ohun elo eniyan-ni-loop ti o ni imọran awọn akole fun awọn oluyẹwo lati jẹrisi dipo ki o ṣẹda. Bii awọn idiyele isamisi ṣe jẹ gaba lori ọpọlọpọ awọn imuṣiṣẹ gidi, yiyan adaṣe pẹlu awọn atọkun asọye daradara yoo wa ni aarin si awọn awoṣe kikọ ni amọja, awọn agbegbe aini data bi oogun ati ofin.
Fifi o sinu iwa
Kini idi ti o ṣe pataki
- Awọn ipinnu diẹ sii. O ṣe iranlọwọ fun ọ lati ya sọtọ awọn iṣeduro imọ-ẹrọ lati ede tita.
- Iye owo ati isuna. O le beere awọn ibeere imuse to dara julọ ṣaaju lilo owo tabi akoko.
- Ẹgbẹ ati ṣiṣan iṣẹ. Awọn ẹgbẹ pẹlu oye pinpin ṣe ọja to dara julọ, eto imulo, ati awọn ipinnu ikẹkọ.
Ṣọra fun
- Awọn ẹgbẹ oriṣiriṣi le lo ọrọ kanna ni oriṣiriṣi, nitorinaa ṣalaye iwọn ni kutukutu.
- Awọn aṣepari le wo lagbara lakoko ti iṣẹ-aye gidi ko ṣe deede.
- Aibikita didara data ati awọn ero igbelewọn nigbagbogbo ṣẹda awọn abajade ẹlẹgẹ.
Next awọn igbesẹ
- Bẹrẹ pẹlu itumọ-ede itele ti abajade ti o nilo.
- Mu metiriki aṣeyọri kan ati ipo ikuna kan ṣaaju idanwo.
- Ṣiṣe awakọ kekere kan pẹlu data aṣoju, kii ṣe eto demo didan.
- Iwe-ipamọ nibiti Ẹkọ ti nṣiṣe lọwọ ṣe iranlọwọ ati nibiti awọn ọna ti o rọrun dara julọ.
Tesiwaju Ṣiṣawari
Ìwé ìròyìn ọfẹ
Gba ìkànìyàn AI ojoojúmọ́
Ìtàn AI mẹta tó jẹ́rìí ní gbogbo owurọ́ ọjọ́ iṣẹ́, kọ́wé ní Gẹ̀ẹ́sì tó rọrùn. Ọfẹ́ fún gbogbo àkókò, kò sí ìpolówó.
Ìmeèlì kan ní gbogbo ọjọ́ iṣẹ́. Yọkúrò ní ìkànìyàn ní ìkànìyàn kan. A kò ta tàbí pín àdírẹ́sì rẹ.
Ṣe idanwo fun ara rẹ
Take the Active Learning quiz
Ìdáhùn lẹ́sẹ̀kẹsẹ̀ lórí gbogbo ìdáhùn, àti iwe-ẹ̀rí tó lè pin pẹ̀lú ID tó lè jẹ́rìí lẹ́yìn tí o bá kọ́ ẹ̀kọ́.
Ṣe àtìlẹ́yìn ẹ̀kọ́ AI ọfẹ́. AI Understanding jẹ́ àjọ àìní èrè 501(c)(3) — kò sí ìpolówó, kò sí àkúnya owó, ní gbogbo àkókò. Ṣe ẹbun kan
Awọn ibeere ti a beere nigbagbogbo
Kini Ẹkọ ti nṣiṣe lọwọ?
Ẹkọ ti nṣiṣe lọwọ jẹ ilana ikẹkọ nibiti awoṣe funrararẹ yan iru awọn apẹẹrẹ ti ko ni aami ti eniyan yẹ ki o samisi ni atẹle. O ṣe pataki nitori data isamisi jẹ gbowolori, ati yiyan ọlọgbọn le de deede deede pẹlu ida kan ti awọn asọye.
A team has a large unlabeled pool but limited expert time. What does active learning ask the team to label next?
The guide describes querying an oracle for selected informative examples, then using their labels in training.
In the guide’s active-learning loop, what is the oracle?
The oracle provides labels for selected examples; it is commonly a human annotator or expert.
Two product classifiers disagree strongly on a category. Which strategy would prioritize that example for labeling?
Query-by-committee selects examples on which several models disagree.
A classifier assigns two classes almost equal probabilities for an unlabeled item. Why might uncertainty sampling query it?
A small margin between leading class scores is one uncertainty signal described by the guide.
Why might a batch selector combine diversity with uncertainty?
The guide warns that greedily chasing uncertainty can ignore other parts of the data.
Tesiwaju kikọ
Jẹmọ awọn itọsọna
Awọn itọsọna diẹ sii ti a yan fun koko yii