Преглед садржаја[Сакрити][Прикажи]
Многи замишљају роботе попут оних у научнофантастичним филмовима који опонашају или чак превазилазе људски интелект када чују термине вештачка интелигенција, дубоко учење и машинско учење.
Други мисле да ови уређаји само преузимају информације и уче из њих сами. Па… Мало је варљиво. Означавање података је метода која се користи за обуку рачунара да постану „паметни“, пошто имају ограничене могућности без људских инструкција.
Да бисмо обучили рачунар да се понаша „паметно“, ми уносимо податке у различитим облицима и учимо га разним стратегијама уз помоћ означавања података.
Скупови података морају бити означени или означени бројним пермутацијама истих информација као део науке која лежи у основи означавања података.
Труд и посвећеност уложени у финални производ су за сваку похвалу, чак и када изненађују и олакшавају наш свакодневни живот.
Сазнајте о означавању података у овом чланку да бисте сазнали шта је то, како функционише, различите врсте означавања података, препреке и још много тога.
Дакле, шта је означавање података?
In Машина учење, калибар и природа улазних података диктирају калибар и природу излаза. Тачност вашег АИ модела је побољшана калибром података који се користе за његову обуку.
Другим речима, означавање података је чин означавања или означавања различитих неструктурираних или структурираних скупова података како би се рачунар научио да идентификује разлике и обрасце између њих.
Илустрација ће вам помоћи да ово схватите. Неопходно је означити свако црвено светло на различитим сликама да би рачунар научио да је црвено светло сигнал за заустављање.
На основу овога, АИ развија алгоритам који ће, у свакој ситуацији, тумачити црвено светло као индикацију за заустављање. Још једна илустрација је могућност категоризације различитих скупова података под насловима џез, поп, рок, класика и још много тога како би се раздвојили различити музички жанрови.
Једноставније речено, означавање података у машинском учењу односи се на процес откривања неозначених података (као што су фотографије, текстуалне датотеке, видео записи, итд.) и додавања једне или више релевантних ознака како би се понудио контекст тако да модел машинског учења може да учи од то.
Ознаке би могле да кажу, на пример, да ли рендгенски снимак показује тумор или не, које речи су изговорене у аудио снимку, или да ли је слика птице или аутомобила.
Означавање података је од суштинског значаја за бројне случајеве употребе, укључујући препознавање говора, рачунарски вид, и обрада природног језика.
Означавање података: Зашто је важно?
Прво, четврта индустријска револуција је усредсређена на вештину машина за обуку. Као резултат тога, сврстава се међу најзначајнија софтверска достигнућа у садашњости.
Ваш систем машинског учења мора бити креиран, што укључује означавање података. Он утврђује могућности система. Нема система ако подаци нису означени.
Могућности са означавањем података ограничене су само вашом креативношћу. Свака радња коју можете мапирати у систем ће се поновити са свежим информацијама.
То значи да ће врста, количина и разноликост података које можете да предате систему одредити његову интелигенцију и способност.
Други је да рад на обележавању података долази пре рада науке о подацима. Сходно томе, означавање података је неопходно за науку о подацима. Неуспеси и грешке у обележавању података утичу на науку о подацима. Алтернативно, употребити грубљи клише, „убацити смеће, избацити смеће“.
Треће, Уметност означавања података означава промену у начину на који људи приступају развоју АИ система. Истовремено прецизирамо структуру означавања података како бисмо боље испунили своје циљеве, а не само да покушавамо да побољшамо математичке технике.
Модерна аутоматизација је заснована на томе, и то је центар трансформације вештачке интелигенције која је тренутно у току. Сада се више него икада рад знања механизује.
Како функционише означавање података?
Следећи хронолошки ред се прати током поступка обележавања података.
Прикупљање података
Подаци су камен темељац сваког подухвата машинског учења. Почетна фаза у обележавању података састоји се од прикупљања одговарајуће количине необрађених података у различитим облицима.
Прикупљање података може имати један од два облика: или долази из интерних извора које је предузеће користило или долази из јавно доступних екстерних извора.
Пошто су у сировом облику, ове податке треба очистити и обрадити пре него што се направе ознаке скупа података. Модел се затим обучава користећи ове очишћене и претходно обрађене податке. Налази ће бити тачнији што је скуп података већи и разноврснији.
Анотирање података
Након чишћења података, стручњаци домена испитују податке и примењују етикете користећи неколико техника означавања података. Модел има смислен контекст који се може користити као основна истина.
Ово су варијабле које желите да модел предвиди, као што су фотографије.
Осигурање квалитета
Квалитет података, који треба да буде поуздан, тачан и конзистентан, кључан је за успех обуке модела МЛ. Редовни КА тестови се морају спроводити како би се гарантовало тачна и тачна означавања података.
Могуће је проценити тачност ових напомена коришћењем КА техника као што су Консензус и Кронбахов алфа тест. Тачност резултата је значајно побољшана рутинским КА инспекцијама.
Модели обуке и тестирања
Наведене процедуре имају смисла само ако се проверава тачност података. Техника ће бити тестирана укључивањем неструктурисаног скупа података да би се проверило да ли даје жељене резултате.
Стратегије означавања података
Означавање података је напоран процес који захтева пажњу на детаље. Метода која се користи за означавање података ће се разликовати у зависности од изјаве о проблему, колико података треба означити, колико су подаци компликовани и стила.
Хајде да прођемо кроз неке од опција које ваше предузеће има, у зависности од ресурса које има и времена које има на располагању.
Ин-хоусе етикетирање података
Као што назив говори, интерно означавање података раде стручњаци унутар компаније. Када имате довољно времена, особља и финансијских ресурса, то је најбоља опција јер осигурава најпрецизније означавање. Међутим, креће се споро.
оутсоурцинг
Друга опција да се ствари ураде је да се ангажују слободњаци за задатке означавања података који се могу открити на различитим тржиштима за тражење посла и слободним радњама као што је Упворк.
Оутсоурцинг је брза опција за добијање услуга обележавања података, међутим, квалитет би могао да пати, слично претходном методу.
бинг
Можете се пријавити као подносилац захтева и дистрибуирати различите послове етикетирања доступним извођачима на специјализованим платформама за масовно оглашавање као што су Амазон Механички Турк (МТурк).
Метода, иако је донекле брза и јефтина, не може да обезбеди квалитетне податке са коментарима.
Аутоматско означавање података.
Процедура може бити потпомогнута софтвером, поред тога што се изводи ручно. Користећи приступ активног учења, ознаке се могу аутоматски пронаћи и додати скупу података за обуку.
У суштини, стручњаци за људе развијају модел аутоматског означавања АИ за означавање необележених, сирових података. Затим одлучују да ли је модел на одговарајући начин применио означавање. Људи поправљају грешке након неуспеха и поново обучавају алгоритам.
Развој синтетичких података.
Уместо података из стварног света, синтетички подаци је означени скуп података који је вештачки произведен. Производи се алгоритмима или компјутерским симулацијама и често се користи обучити моделе машинског учења.
Синтетички подаци су одличан одговор на питања оскудице и разноликости података у контексту процедура обележавања. Стварање од синтетички подаци од нуле нуди решење.
Креирање 3Д подешавања са ставкама и окружењем модела морају бити у стању да препознају програмери скупова података. Може се приказати онолико синтетичких података колико је потребно за пројекат.
Изазови означавања података
Захтева више времена и труда
Поред тога што је изазов за добијање великих количина података (посебно за високо специјализоване индустрије као што је здравство), ручно означавање сваког податка је и радно интензивно и напорно, што захтева помоћ људи који их означавају.
Скоро 80% времена утрошеног на пројекат током целог циклуса развоја МЛ троши се на припрему података, што укључује и обележавање.
Могућност недоследности
Већину времена, унакрсно означавање, које се дешава када многи људи означавају исте скупове података, резултира већом прецизношћу.
Међутим, пошто појединци понекад имају различите степене компетенције, стандарди означавања и саме ознаке могу бити недоследне, што је још један проблем. Могуће је да се два или више анотатора не слажу око неких ознака.
На пример, један стручњак би могао оценити рецензију хотела као повољну, док би други сматрао да је саркастична и дао јој ниску оцену.
Домен знања
Осећаћете потребу да ангажујете етикетере са специјализованим индустријским знањем за неке секторе.
Анотаторима без неопходног знања о домену, на пример, биће веома тешко да на одговарајући начин означе ставке док креирају МЛ апликацију за здравствени сектор.
Склоност грешкама
Ручно означавање подложно је људским грешкама, без обзира на то колико су ваши етикетери образовани и пажљиви. Због чињенице да анотатори често раде са огромним скуповима сирових података, ово је неизбежно.
Замислите особу која означава 100,000 слика са до 10 различитих ствари.
Уобичајени типови означавања података
Цомпутер Висион
Да бисте развили скуп података за обуку, прво морате означити слике, пикселе или кључне тачке, или успоставити границу која у потпуности обухвата дигиталну слику, познату као гранична кутија, када градите систем компјутерског вида.
Фотографије се могу категорисати на различите начине, укључујући садржај (оно што је заправо на самој слици) и квалитет (као што су слике производа у односу на животни стил).
Слике се такође могу поделити на сегменте на нивоу пиксела. Модел компјутерског вида развијен коришћењем ових података за обуку може се касније користити за аутоматску класификацију слика, одређивање локације објеката, истицање кључних области на слици и сегментирање слика.
Обрада природног језика
Пре него што направите скуп података за обуку за обраду природног језика, морате ручно одабрати релевантне текстуалне фрагменте или класификовати материјал одређеним ознакама.
На пример, могли бисте да препознате говорне обрасце, класификујете сопствене именице као што су места и људи и идентификујете текст на сликама, ПДФ-овима или другим медијима. Можда ћете желети да одредите расположење или намеру текстуалне слике.
Направите граничне оквире око текста у вашем скупу података за обуку да бисте то постигли, а затим га ручно транскрибујте.
Оптичко препознавање знакова, идентификација имена ентитета и анализа осећања се изводе коришћењем модела обраде природног језика.
Обрада звука
Обрада звука претвара све врсте звукова у структурирани формат тако да се могу користити у машинском учењу, укључујући говор, звукове животиња (лајање, звиждуци или цврчање) и звукове зграда (сломљено стакло, скенирање или сирене).
Често, пре него што будете могли да рукујете звуком, морате га ручно претворити у текст. Након тога, категоризацијом и додавањем ознака аудио запису, можете сазнати детаљније информације о томе. Твоје скуп података за обуку да ли је ово поверљиви аудио.
Zakljucak
У закључку, идентификација ваших података је кључни део обуке било ког модела вештачке интелигенције. Организација са брзим темпом, међутим, једноставно не може себи приуштити да троши време радећи то ручно јер одузима много времена и енергије.
Поред тога, то је поступак који је склон нетачности и не обећава велику тачност. Не мора да буде тако тешко, што је одлична вест.
Данашње технологије означавања података омогућавају сарадњу између људи и машина како би се обезбедили прецизни и корисни подаци за различите апликације машинског учења.
Ostavite komentar