Sadržaj
- Definicija - Što znače podaci o obuci?
- Uvod u Microsoft Azure i Microsoft Cloud | Kroz ovaj vodič naučit ćete o čemu se radi računalstvo u oblaku i kako vam Microsoft Azure može pomoći da migrirate i pokrenete svoje poslovanje iz oblaka.
- Techopedia objašnjava podatke o treningu
Definicija - Što znače podaci o obuci?
Ideja korištenja podataka o obuci u programima strojnog učenja jednostavan je koncept, ali je također vrlo temeljna za funkcioniranje tih tehnologija. Podaci o treningu početni su skup podataka koji se koriste kako bi program mogao razumjeti kako primijeniti tehnologije poput neuronskih mreža kako bi naučio i proizveo sofisticirane rezultate. Može ga nadopuniti sljedeći niz podataka koji se nazivaju skupovi provjere i ispitivanja.
Podaci o treningu poznati su i kao skup treninga, skup podataka treninga ili skup učenja.
Uvod u Microsoft Azure i Microsoft Cloud | Kroz ovaj vodič naučit ćete o čemu se radi računalstvo u oblaku i kako vam Microsoft Azure može pomoći da migrirate i pokrenete svoje poslovanje iz oblaka.
Techopedia objašnjava podatke o treningu
Trening set je materijal kroz koji se računalo uči kako obrađivati informacije. Strojno učenje koristi algoritme - oponaša sposobnosti ljudskog mozga da uzima različite unose i vaga ih, kako bi se proizvele aktivacije u mozgu, u pojedinim neuronima. Umjetni neuroni umnožavaju velik dio ovog procesa sa softverom - strojnim učenjem i programima neuronske mreže koji pružaju vrlo detaljne modele funkcioniranja naših ljudskih misaonih procesa.
Imajući to u vidu, podaci o obuci mogu se strukturirati na različite načine. Za stabla uzastopnih odluka i te vrste algoritama, to bi bio skup neobrađenih ili alfanumeričkih podataka koji se klasificiraju ili na drugi način manipuliraju. S druge strane, za revolucionarne neuronske mreže koje imaju veze s obradom slike i računalnim vidom, set za trening često se sastoji od velikog broja slika. Ideja je da, budući da je program strojnog učenja toliko složen i tako sofisticiran, koristi iterativni trening na svakoj od tih slika da bi na kraju mogao prepoznati značajke, oblike, pa čak i predmete poput ljudi ili životinja. Podaci o treninzima su apsolutno bitni za taj proces - mogu se smatrati „hranom“ koju sustav koristi za rad.