Vatsal Ghiya, 'n reeks-entrepreneur met meer as 20 jaar ondervinding in KI-sagteware, het 'n hoofnota gedeel oor hoe om data-etikettering in Machine Learning (ML) te outomatiseer in hierdie nuutste gasfunksie.
Sleutel wegneemetes van artikel is-
- Maak nie saak watter soort KI-stelsel jy benodig nie, data is die eerste prioriteit en dit moet kwaliteitdata wees sodat jy akkurate resultate kan kry. Soos ons gesien het data is massief en kwaliteit moet gehandhaaf word, is dit 'n reusetaak om albei hierdie akkuraat te verwerk. U kan data van interne hulpbronne, CRM, analise, blaaie, bestemmingsbladsye en ander kry.
- Data kan ook afgelaai word volgens nis, demografie en marksegment. Daar is regeringswebwerwe, Kaggle-datastelle, argiewe en meer. Verder, om die kwaliteit van data te handhaaf, moet dit skoongemaak en gemerk word met toepaslike besonderhede en dit is waar masjienleer ontstaan het.
- Drie metodes wat datamodellering in masjienleer kan outomatiseer, is versterkingsleer, leer onder toesig en leer sonder toesig. Deur hierdie leer te gebruik, kan data-etikettering doeltreffend in masjienleer geoutomatiseer word met akkurate metabesonderhede en kritieke faktore.
Lees die volledige artikel hier:
https://ai-forum.com/opinion/3-methods-of-automatic-data-labeling-in-machine-learning/
