Az adatok címkézése, hogy a modell tanulni tudjon belőlük.
A felügyelt tanulásban szükség van arra, hogy minden bemenethez helyes kimenet legyen. Ez lehet manuális munka (emberek végzik), de AI is segítheti.
A jó minőségű címkézés alapja a pontos AI-modelleknek.
Képekhez címkék adása: „kutya”, „macska”, „autó”.
Az adatelőkészítés az a folyamat, amely során a nyers adatokat megtisztítják, átalakítják és előkészítik a modell tanításához.
A célváltozó az a kimenet, amit a modell előre szeretne jelezni.
A felügyelt tanulás egy gépi tanulási módszer, ahol az algoritmust olyan adatokkal tanítják, amelyek tartalmazzák a bemeneteket és a hozzájuk tartozó helyes kimeneteket.
A jellemzők azok a változók vagy tulajdonságok, amelyeket a modell a döntések meghozatalához használ.
A tanítókészlet az a konkrét adathalmaz, amelyet az AI-modell betanítására használnak.
A tesztkészlet egy külön adathalmaz, amellyel a betanított AI-modell teljesítményét mérik.
A torzítás az AI rendszerekben megjelenő rendszeres hiba, amelyet általában az adatokban meglévő egyenlőtlenségek vagy előítéletek okoznak.
A validációs készlet olyan adathalmaz, amelyet a modell finomhangolására, az optimális paraméterek kiválasztására használnak.
