AIF-C01 · Podstawy AI i ML
Trzy sposoby uczenia się modelu
Najważniejsze
- Uczenie nadzorowane trenuje na etykietowanych przykładach, by przewidywać etykietę lub liczbę (klasyfikacja, regresja), np. wykrywanie spamu.
- Uczenie nienadzorowane znajduje strukturę w danych bez etykiet, np. klasteryzacja klientów na segmenty.
- Uczenie ze wzmocnieniem polega na tym, że agent próbuje działań w środowisku i uczy się z nagród i kar, np. robot uczący się chodzić.
Przykładowe pytania
Który typ uczenia trenuje na przykładach, z których każdy zawiera poprawną odpowiedź?
- Uczenie nienadzorowane
- Uczenie ze wzmocnieniem
- Uczenie nadzorowane
- Wyłącznie klasteryzacja
Pokaż odpowiedź
Odpowiedź: C. Uczenie nadzorowane
Uczenie nadzorowane wykorzystuje przykłady z etykietami. Nienadzorowane działa bez etykiet, a ze wzmocnieniem uczy się z nagród.
Które stwierdzenia opisują uczenie ze wzmocnieniem?
- Agent uczy się, próbując działań w środowisku
- Nagroda lub kara sygnalizuje, jak dobre było działanie
- Każdy przykład treningowy musi mieć poprawną etykietę
- Stosuje się je np. w grach lub sterowaniu robotami
- Służy wyłącznie do grupowania podobnych rekordów
Pokaż odpowiedź
Odpowiedź: A. Agent uczy się, próbując działań w środowisku, B. Nagroda lub kara sygnalizuje, jak dobre było działanie, D. Stosuje się je np. w grach lub sterowaniu robotami
Uczenie ze wzmocnieniem używa agenta, środowiska i sygnału nagrody, by nauczyć zachowania przez powtarzane próby. Nie wymaga poprawnej etykiety dla każdego przykładu.
Prawda czy fałsz: uczenie nienadzorowane wymaga etykiety dla każdego przykładu treningowego.
Pokaż odpowiedź
Odpowiedź: Fałsz
Fałsz. Uczenie nienadzorowane działa na danych bez etykiet i szuka struktury, np. klastrów. Potrzeba etykiet to cecha uczenia nadzorowanego.
Przećwicz 8 pytań z tego tematu w Bitzu
Krótkie lekcje, natychmiastowe wyjaśnienia i powtórki tego, w czym się mylisz. Za darmo na iOS i Androida.
