Машиналық оқытуда модельді үйрету барысында деректерді бірнеше рет өлшеу немесе бір деректің бірнеше мәндерінің орташа арифметикалық көрсеткішін алу жиі қолданылады. Бұл тәсілдің негізгі мақсаты қандай және ол модель сапасына қалай әсер етеді?, Кездейсоқ қателіктерді азайтып, нәтижелердің тұрақтылығы мен дәлдігін арттырады, Деректерді көбейту үшін қолданылады, Код көлемін азайту үшін, Интернет жылдамдығын арттыру үшін, Машиналық оқытуда деректер жиыны (dataset) көбінесе екі немесе одан да көп бөлікке бөлінеді (мысалы, train және test). Бұл бөлудің негізгі мақсаты қандай және ол модельді бағалауда қандай рөл атқарады?, Кодты қысқарту, Деректерді сақтау, Интернетке қосылу, Машиналық оқытуда “feature” ұғымы маңызды орын алады. Feature дегеніміз не және ол модельдің үйрену процесіне қалай әсер етеді?, Деректің сипаттамасы, ол модельдің заңдылықтарды дұрыс үйренуіне тікелей әсер етеді, Бағдарлама коды, Интернет байланысы, Файл түрі, Self-supervised learning әдісі қазіргі заманғы үлкен тілдік модельдерді (LLM) үйретуде кеңінен қолданылады. Бұл әдістің негізгі ерекшелігі қандай және ол supervised learning-ден қалай ерекшеленеді?, Тек код жазу арқылы үйретіледі, Интернет міндетті түрде қажет, Барлық деректер алдын ала белгіленеді, Модель деректердің бір бөлігін болжау арқылы өзі үйренеді, яғни қолмен белгіленген деректер қажет емес, Машиналық оқытуда модельдің сапасын бағалау үшін әртүрлі метрикалар қолданылады. Егер деректер теңгерімсіз (imbalanced) болса, неге тек accuracy көрсеткішіне сүйену дұрыс емес?, Себебі модель барлық деректерді бір классқа жатқызса да жоғары accuracy көрсетуі мүмкін, Accuracy әрқашан дұрыс, Ол тек кодқа байланысты, Интернетке байланысты

20-25

by
Print
Embed

Leaderboard

Visual style

Options

Switch template

Continue editing: ?