ข้อมูลที่มีป้ายกำกับในบริบทของปัญญาประดิษฐ์ (AI) และโดยเฉพาะในโดเมนของ Google Cloud Machine Learning หมายถึงชุดข้อมูลที่มีคำอธิบายประกอบหรือทำเครื่องหมายด้วยป้ายกำกับหรือหมวดหมู่เฉพาะ ป้ายกำกับเหล่านี้ทำหน้าที่เป็นข้อมูลพื้นฐานหรือข้อมูลอ้างอิงสำหรับการฝึกอบรมอัลกอริธึมแมชชีนเลิร์นนิง ด้วยการเชื่อมโยงจุดข้อมูลกับป้ายกำกับที่เกี่ยวข้อง โมเดลการเรียนรู้ของเครื่องสามารถเรียนรู้ที่จะจดจำรูปแบบและทำการคาดการณ์ตามข้อมูลใหม่ที่มองไม่เห็น
ข้อมูลที่ติดป้ายกำกับมีบทบาทสำคัญในการเรียนรู้ภายใต้การดูแล ซึ่งเป็นแนวทางทั่วไปในการเรียนรู้ของเครื่อง ในการเรียนรู้แบบมีผู้สอน โมเดลจะได้รับการฝึกบนชุดข้อมูลที่มีป้ายกำกับเพื่อเรียนรู้ความสัมพันธ์ระหว่างคุณลักษณะอินพุตและป้ายกำกับเอาต์พุตที่เกี่ยวข้อง กระบวนการฝึกอบรมนี้ช่วยให้แบบจำลองสามารถสรุปความรู้และคาดการณ์ข้อมูลใหม่ที่มองไม่เห็นได้อย่างแม่นยำ
เพื่ออธิบายแนวคิดนี้ เราจะพิจารณาตัวอย่างงานการเรียนรู้ของเครื่องในด้านการจดจำภาพ สมมติว่าเราต้องการสร้างแบบจำลองที่สามารถจำแนกภาพสัตว์เป็นหมวดหมู่ต่างๆ เช่น แมว สุนัข และนก เราจำเป็นต้องมีชุดข้อมูลที่มีป้ายกำกับซึ่งแต่ละภาพเชื่อมโยงกับป้ายกำกับที่ถูกต้อง ตัวอย่างเช่น รูปภาพแมวจะมีป้ายกำกับว่า "แมว" รูปสุนัขเป็น "สุนัข" และอื่นๆ
ชุดข้อมูลที่ติดป้ายกำกับจะประกอบด้วยคอลเลกชันรูปภาพและป้ายกำกับที่เกี่ยวข้อง รูปภาพแต่ละรูปจะถูกนำเสนอด้วยชุดคุณสมบัติ เช่น ค่าพิกเซลหรือการนำเสนอในระดับที่สูงกว่าที่ดึงมาจากรูปภาพ ป้ายกำกับจะระบุหมวดหมู่หรือคลาสที่ถูกต้องของรูปภาพแต่ละรูป
ในระหว่างขั้นตอนการฝึกอบรม โมเดลการเรียนรู้ของเครื่องจะถูกนำเสนอพร้อมกับชุดข้อมูลที่มีป้ายกำกับ โดยจะเรียนรู้การระบุรูปแบบและความสัมพันธ์ระหว่างคุณลักษณะอินพุตและป้ายกำกับที่เกี่ยวข้อง โมเดลจะอัปเดตพารามิเตอร์ภายในเพื่อลดความแตกต่างระหว่างการคาดการณ์และป้ายกำกับที่แท้จริงในข้อมูลการฝึกอบรม
เมื่อโมเดลได้รับการฝึกฝนแล้ว จะสามารถใช้เพื่อคาดการณ์รูปภาพใหม่ๆ ที่มองไม่เห็นได้ เมื่อพิจารณาจากรูปภาพที่ไม่มีป้ายกำกับ แบบจำลองจะวิเคราะห์คุณลักษณะและคาดการณ์ป้ายกำกับที่น่าจะเป็นไปได้มากที่สุดตามความรู้ที่เรียนรู้จากชุดข้อมูลที่มีป้ายกำกับ ตัวอย่างเช่น หากแบบจำลองคาดการณ์ว่ารูปภาพมีแมว นั่นหมายความว่าแบบจำลองนั้นจดจำรูปแบบในรูปภาพที่บ่งบอกถึงแมวได้
ข้อมูลที่ติดป้ายกำกับเป็นองค์ประกอบพื้นฐานในการฝึกโมเดลแมชชีนเลิร์นนิง โดยให้ข้อมูลที่จำเป็นสำหรับแบบจำลองเพื่อเรียนรู้และคาดการณ์ได้อย่างแม่นยำ ด้วยการเชื่อมโยงจุดข้อมูลกับป้ายกำกับที่เกี่ยวข้อง โมเดลสามารถเรียนรู้ที่จะจดจำรูปแบบและสรุปความรู้กับข้อมูลที่มองไม่เห็น
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
- โมเดลแมชชีนเลิร์นนิงจำเป็นต้องมีการควบคุมดูแลระหว่างการฝึกหรือไม่
- พารามิเตอร์หลักที่ใช้ในอัลกอริธึมที่ใช้โครงข่ายประสาทเทียมคืออะไร
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)