AIF-C01 · Podstawy AI i ML
Etykietowane a nieetykietowane, ustrukturyzowane a nieustrukturyzowane
Najważniejsze
- Dane etykietowane: każdy przykład ma poprawną odpowiedź (e-mail oznaczony jako spam); potrzebne do uczenia nadzorowanego.
- Dane nieetykietowane: bez dołączonej odpowiedzi; nadają się do odkrywania wzorców.
- Dane ustrukturyzowane: wiersze i kolumny, np. rekordy tabelaryczne i szeregi czasowe ze znacznikami czasu.
- Dane nieustrukturyzowane: bez stałego schematu, np. swobodny tekst, obrazy, audio, wideo.
Przykładowe pytania
Co sprawia, że zbiór danych jest 'etykietowany'?
- Każdy przykład ma przypisane poprawne wyjście
- Jest zapisany w pliku CSV
- Zawiera ponad milion wierszy
- Został zaszyfrowany
Pokaż odpowiedź
Odpowiedź: A. Każdy przykład ma przypisane poprawne wyjście
Etykietowany oznacza, że każdy przykład ma przypisaną docelową odpowiedź. Rozmiar, format ani miejsce przechowywania nie mają znaczenia.
Które z poniższych to dane ustrukturyzowane?
- Relacyjna tabela zamówień klientów
- Nagrania głosowe rozmów z obsługą
- Plik CSV z kolumnami: data, sklep i przychód
- Zeskanowane zdjęcia paragonów
- Recenzje produktów w formie swobodnego tekstu
Pokaż odpowiedź
Odpowiedź: A. Relacyjna tabela zamówień klientów, C. Plik CSV z kolumnami: data, sklep i przychód
Wiersze tabeli relacyjnej i plik CSV z rekordami zamówień mają stały schemat. Audio i zeskanowane zdjęcia są nieustrukturyzowane, podobnie jak recenzje w formie swobodnego tekstu.
Prawda czy fałsz: dane nieetykietowane są bezużyteczne w uczeniu maszynowym.
Pokaż odpowiedź
Odpowiedź: Fałsz
Fałsz. Dane nieetykietowane służą do klasteryzacji, wykrywania anomalii i uczenia reprezentacji, a duże modele są na nich wstępnie trenowane.
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.
