Egy előre betanított modellt speciális adatokkal tovább tanítanak egy adott célra.
Így a modell megőrzi az általános tudását, de egy adott területen (pl. ügyfélszolgálat, orvosi szövegek) sokkal pontosabbá válik.
Költséghatékony, mert nem kell mindent az alapoktól tanítani.
Egy ügyfélszolgálati chatbot finomhangolása a cég saját tudásbázisán.
A felügyelt tanulás egy gépi tanulási módszer, ahol az algoritmust olyan adatokkal tanítják, amelyek tartalmazzák a bemeneteket és a hozzájuk tartozó helyes kimeneteket.
A gradiens ereszkedés egy optimalizálási módszer, amely lépésenként javítja a modell paramétereit a hibák csökkentése érdekében.
A hyperparaméter hangolás az a folyamat, amely során megtaláljuk a modell számára legjobb beállításokat.
Az LLM olyan nyelvi modell, amely hatalmas mennyiségű szöveges adaton tanul, és képes összetett, emberihez hasonló szövegeket létrehozni.
A tanítókészlet az a konkrét adathalmaz, amelyet az AI-modell betanítására használnak.
A transfer learning olyan módszer, amelyben egy előre betanított modellt új feladatra finomhangolnak.
A transformer egy neurális hálózati architektúra, amely hatékonyan dolgozza fel a szöveges adatokat.
A validációs készlet olyan adathalmaz, amelyet a modell finomhangolására, az optimális paraméterek kiválasztására használnak.
