Deep learning
Maskinlæring med neurale netværk med flere behandlingslag.
Hvad er deep learning?
Deep learning er en del af maskinlæring med neurale netværk i flere lag. Efterfølgende beregningstrin kan lære passende repræsentationer af input. Data, beregningskraft og træning afhænger af model og opgave. Større dybde er hverken kvalitetsbevis eller grund til at foretrække metoden frem for enhver enklere tilgang.
En opdigtet virksomhed vil genkende svært læselige produktetiketter på fotos. En deep learning-model er en mulighed. Teamet kontrollerer egnethed med billeder, der ikke blev brugt til træning og passer til anvendelsen, eksempelvis med anden belysning eller beskadigede etiketter. Det sammenligner også enklere egnede metoder og drifts- og kontrolarbejde. Gode resultater på udvalgte træningsfotos beviser ikke sikker genkendelse i det planlagte forløb.
Kilder
Relaterede begreber
- MaskinlæringModeller lærer mønstre fra data og bruger dem på nye input.
- Neuralt netværkEn model af forbundne beregningsknuder med justerbare parametre.
- Stor sprogmodelEn stor sprogmodel behandler sprog ved hjælp af lærte mønstre. Flydende tekst dokumenterer ikke korrekthed eller adgang til aktuelle virksomhedsdata.
- ModelkortEt modelkort dokumenterer formål, grundlag, vurderingsbetingelser og kendte begrænsninger for en bestemt version af en AI-model.
- AI-parathedAI-parathed handler om et projekts forudsætninger: mål, brugbare data, kompetencer, ansvar og et fungerende driftsforløb.
- Context engineeringContext engineering forbereder information til hvert modelkald: relevante instruktioner, beskeder, kilder og aktuelle tilstande.
Artikler om emnet
AI & automatisering med ASES
AI-assistenter og automatiserede arbejdsgange