Data Hyfforddi AI

Diffiniad

Data hyfforddi AI yw'r set ddata wedi'i labelu a ddefnyddir i ddysgu modelau dysgu peirianyddol sut i adnabod patrymau a chynhyrchu rhagfynegiadau. Mae'n cynrychioli'r "gwirionedd sylfaenol" y mae modelau'n addasu eu paramedrau mewnol yn ei erbyn.

Diben

Y pwrpas yw darparu enghreifftiau sy'n tywys algorithmau i ddysgu perthnasoedd ystadegol. Mae'n galluogi modelau i gyffredinoli o enghreifftiau i ddata anweledig.

Pwysigrwydd

• Mae ansawdd data hyfforddi yn effeithio'n uniongyrchol ar gywirdeb y model.
• Mae data rhagfarnllyd neu anghytbwys yn cynhyrchu modelau annheg neu annibynadwy.
• Mae setiau data digon mawr yn gwella cyffredinoli.
• Mae gollyngiad data hyfforddi i setiau prawf yn peryglu gwerthusiadau.

Sut Mae'n Gwaith

1. Diffiniwch y dasg rhagfynegi a gofynion y set ddata.
2. Casglwch ddata crai perthnasol.
3. Labelwch neu anodi'r data gyda'r allbynnau cywir.
4. Rhannwch yn setiau hyfforddi, dilysu a phrofi.
5. Hyfforddwch y model i addasu pwysau yn seiliedig ar y data hyfforddi.

Enghreifftiau (Y Byd Go Iawn)

• Set ddata COCO: delweddau wedi'u hanodi ar gyfer canfod a segmentu.
• Common Crawl: set ddata testun gwe ar raddfa fawr ar gyfer hyfforddi LLMs cyn eu dysgu.
• LibriSpeech: set ddata lleferydd ar gyfer hyfforddiant ASR.

Cyfeiriadau / Darllen Pellach

• Data Hyfforddi ar gyfer Dysgu Peirianyddol — IBM Research.
• ISO/IEC 23053: Fframwaith ar gyfer Systemau Deallusrwydd Artiffisial sy'n Defnyddio ML — ISO.
• Fframwaith Rheoli Risg AI NIST — NIST.
• Beth Yw Data Hyfforddi mewn Dysgu Peirianyddol – Shaip