Yn y nodwedd westai hon, mae Vatsal Ghiya, Prif Swyddog Gweithredol a Chyd-sylfaenydd Shaip wedi trafod rhai mewnwelediadau allweddol ar bwysigrwydd setiau data o ansawdd ar gyfer creu model dysgu peiriant effeithiol.
Yr Allwedd cludfwyd o'r Erthygl yw
- A ydych chi'n ymwybodol o'r materion technegol sy'n gysylltiedig â chreu algorithmau dysgu peirianyddol (ML) greddfol, cyfannol ac effeithiol? Fodd bynnag, mae pawb bob amser wedi siarad am rannau “Finesse” a “Hwyl” o greu model dysgu peirianyddol, ond mae llai yn cael ei drafod am y swyddogaeth. Mae'r broses hon yn cynnwys y technegau rhag-brosesu, sail casglu data, anodi data, a llawer mwy.
- Yn iaith lleygwr, mae data ML yn endid unigol yn ôl yr algorithmau er gwaethaf cynnwys darnau gwahanol o ddata. Ac mae'r setiau data hyn yn cael eu bwydo i'r system i hyfforddi algorithmau i nodi patrymau. Gall pob sefydliad ddefnyddio'r setiau data hyn yn unol â'u gofynion busnes.
- Ac i wneud i'r algorithm dysgu peirianyddol nodi'r patrwm cywir a chywir mae angen setiau data o ansawdd y mae'n rhaid eu casglu mewn fformat i baratoi setiau data perthnasol sy'n cynnwys casglu data, rhag-brosesu ac anodi. Ar ben hynny, gellir casglu'r setiau data hyn o ffynonellau lluosog fel ffynonellau govt, storfa ddysgu peiriannau, a pheiriant setiau data google.
Darllenwch yr erthygl lawn yma:
https://websnipers.com/what-is-the-role-of-dataset-in-machine-learning/
