กระบวนการฝึกอบรมโมเดลการเรียนรู้ของเครื่องเกี่ยวข้องกับการเปิดเผยข้อมูลจำนวนมหาศาลเพื่อให้สามารถเรียนรู้รูปแบบและคาดการณ์หรือตัดสินใจได้โดยไม่ต้องตั้งโปรแกรมไว้อย่างชัดเจนสำหรับแต่ละสถานการณ์ ในระหว่างระยะการฝึกอบรม โมเดลการเรียนรู้ของเครื่องจะต้องทำซ้ำหลายครั้ง โดยจะปรับพารามิเตอร์ภายในเพื่อลดข้อผิดพลาดให้เหลือน้อยที่สุด และปรับปรุงประสิทธิภาพในงานที่กำหนด
การกำกับดูแลในระหว่างการฝึกอบรมหมายถึงระดับการแทรกแซงของมนุษย์ที่จำเป็นเพื่อเป็นแนวทางในกระบวนการเรียนรู้ของแบบจำลอง ความจำเป็นในการควบคุมดูแลอาจแตกต่างกันไปขึ้นอยู่กับประเภทของอัลกอริธึมการเรียนรู้ของเครื่องที่ใช้ ความซับซ้อนของงาน และคุณภาพของข้อมูลที่จัดเตรียมไว้สำหรับการฝึกอบรม
ในการเรียนรู้แบบมีผู้สอน ซึ่งเป็นการเรียนรู้ของเครื่องประเภทหนึ่งที่โมเดลได้รับการฝึกฝนเกี่ยวกับข้อมูลที่ติดป้ายกำกับ การควบคุมดูแลถือเป็นสิ่งสำคัญ ข้อมูลที่ติดป้ายกำกับหมายความว่าจุดข้อมูลอินพุตแต่ละจุดจะจับคู่กับเอาต์พุตที่ถูกต้อง ช่วยให้โมเดลเรียนรู้การแมประหว่างอินพุตและเอาต์พุต ในระหว่างการฝึกอบรมภายใต้การดูแล จำเป็นต้องมีการควบคุมดูแลโดยมนุษย์เพื่อจัดเตรียมป้ายกำกับที่ถูกต้องสำหรับข้อมูลการฝึกอบรม ประเมินการคาดการณ์ของแบบจำลอง และปรับพารามิเตอร์ของแบบจำลองตามผลตอบรับ
ตัวอย่างเช่น ในงานการจดจำรูปภาพภายใต้การดูแล หากเป้าหมายคือการฝึกแบบจำลองเพื่อจำแนกรูปภาพของแมวและสุนัข หัวหน้างานที่เป็นมนุษย์จะต้องติดป้ายกำกับแต่ละรูปภาพว่าเป็นแมวหรือสุนัข จากนั้นโมเดลจะเรียนรู้จากตัวอย่างที่มีป้ายกำกับเหล่านี้เพื่อคาดการณ์รูปภาพใหม่ๆ ที่มองไม่เห็น หัวหน้างานจะประเมินการคาดการณ์ของแบบจำลองและให้ข้อเสนอแนะเพื่อปรับปรุงความแม่นยำ
ในทางกลับกัน อัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแลไม่ต้องการข้อมูลที่มีป้ายกำกับสำหรับการฝึกอบรม อัลกอริธึมเหล่านี้เรียนรู้รูปแบบและโครงสร้างจากข้อมูลอินพุตโดยไม่มีคำแนะนำที่ชัดเจน การเรียนรู้แบบไม่มีผู้ดูแลมักใช้สำหรับงานต่างๆ เช่น การจัดกลุ่ม การตรวจจับความผิดปกติ และการลดขนาด ในการเรียนรู้แบบไม่มีผู้ดูแล เครื่องจักรสามารถเรียนรู้ได้อย่างอิสระโดยไม่จำเป็นต้องได้รับการดูแลจากมนุษย์ในระหว่างการฝึกอบรม
การเรียนรู้แบบกึ่งมีผู้สอนเป็นแนวทางแบบผสมผสานที่ผสมผสานองค์ประกอบของการเรียนรู้ทั้งแบบมีผู้สอนและแบบไม่มีผู้สอน ในแนวทางนี้ โมเดลจะได้รับการฝึกอบรมเกี่ยวกับการผสมผสานระหว่างข้อมูลที่ติดป้ายกำกับและที่ไม่มีป้ายกำกับ ข้อมูลที่มีป้ายกำกับให้การควบคุมดูแลเพื่อเป็นแนวทางในกระบวนการเรียนรู้ ในขณะที่ข้อมูลที่ไม่มีป้ายกำกับช่วยให้โมเดลค้นพบรูปแบบและความสัมพันธ์เพิ่มเติมในข้อมูล
การเรียนรู้แบบเสริมกำลังเป็นอีกกระบวนทัศน์หนึ่งของการเรียนรู้ของเครื่อง โดยที่ตัวแทนเรียนรู้ที่จะทำการตัดสินใจตามลำดับโดยการโต้ตอบกับสภาพแวดล้อม ในการเรียนรู้แบบเสริมกำลัง ตัวแทนจะได้รับผลตอบรับในรูปแบบของรางวัลหรือบทลงโทษตามการกระทำ ตัวแทนเรียนรู้ที่จะเพิ่มรางวัลสะสมสูงสุดเมื่อเวลาผ่านไปผ่านการลองผิดลองถูก แม้ว่าการเรียนรู้แบบเสริมกำลังไม่จำเป็นต้องมีการกำกับดูแลที่ชัดเจนในความหมายดั้งเดิม แต่อาจจำเป็นต้องมีการควบคุมดูแลโดยมนุษย์เพื่อออกแบบโครงสร้างรางวัล กำหนดวัตถุประสงค์การเรียนรู้ หรือปรับแต่งกระบวนการเรียนรู้
ความจำเป็นในการกำกับดูแลระหว่างการฝึกอบรมแมชชีนเลิร์นนิงขึ้นอยู่กับกระบวนทัศน์การเรียนรู้ที่ใช้ ความพร้อมใช้งานของข้อมูลที่ติดป้ายกำกับ และความซับซ้อนของงาน การเรียนรู้แบบมีผู้สอนจำเป็นต้องมีการควบคุมดูแลโดยมนุษย์เพื่อให้ข้อมูลที่ติดป้ายกำกับและประเมินประสิทธิภาพของแบบจำลอง การเรียนรู้แบบไม่มีผู้ดูแลไม่จำเป็นต้องมีการควบคุมดูแล เนื่องจากโมเดลเรียนรู้อย่างเป็นอิสระจากข้อมูลที่ไม่มีป้ายกำกับ การเรียนรู้แบบกึ่งมีผู้สอนผสมผสานองค์ประกอบของการเรียนรู้ทั้งแบบมีผู้สอนและแบบไม่มีผู้ดูแล ในขณะที่การเรียนรู้แบบเสริมเกี่ยวข้องกับการเรียนรู้ผ่านการมีปฏิสัมพันธ์กับสภาพแวดล้อม
คำถามและคำตอบล่าสุดอื่น ๆ เกี่ยวกับ EITC/AI/GCML Google Cloud Machine Learning:
- การอ่านออกเสียงข้อความ (TTS) คืออะไร และทำงานร่วมกับ AI ได้อย่างไร
- อะไรคือข้อจำกัดในการทำงานกับชุดข้อมูลขนาดใหญ่ใน Machine Learning?
- แมชชีนเลิร์นนิงสามารถช่วยโต้ตอบเชิงโต้ตอบได้หรือไม่
- สนามเด็กเล่น TensorFlow คืออะไร
- ชุดข้อมูลที่ใหญ่กว่าหมายถึงอะไรจริงๆ
- ตัวอย่างไฮเปอร์พารามิเตอร์ของอัลกอริทึมมีอะไรบ้าง
- การเรียนรู้แบบ Ensamble คืออะไร?
- จะเกิดอะไรขึ้นหากอัลกอริธึมการเรียนรู้ของเครื่องที่เลือกไม่เหมาะสม และเราจะแน่ใจได้อย่างไรว่าจะเลือกอัลกอริธึมที่ถูกต้อง
- พารามิเตอร์หลักที่ใช้ในอัลกอริธึมที่ใช้โครงข่ายประสาทเทียมคืออะไร
- TensorBoard คืออะไร?
ดูคำถามและคำตอบเพิ่มเติมใน EITC/AI/GCML Google Cloud Machine Learning
คำถามและคำตอบเพิ่มเติม:
- สนาม: ปัญญาประดิษฐ์
- โปรแกรม: EITC/AI/GCML Google Cloud Machine Learning (ไปที่โปรแกรมการรับรอง)
- บทเรียน: บทนำ (ไปที่บทเรียนที่เกี่ยวข้อง)
- หัวข้อ: การเรียนรู้ของเครื่องคืออะไร (ไปที่หัวข้อที่เกี่ยวข้อง)