Superviseret læring
En læringsmetode, der bruger input sammen med tilhørende målværdier eller klasser som træningseksempler.
Hvad lærer en superviseret model af?
Ved superviseret læring bruges input sammen med tilhørende målangivelser til træning. Målangivelserne kaldes labels og kan være klasser eller talværdier. Modellen skal lære sammenhænge, så den kan forudsige passende resultater for nye input. Målangivelserne skal passe til den planlagte opgave. Superviseret henviser til disse angivelser under træningen; menneskelig godkendelse i den senere drift fastlægges som et særskilt procestrin.
I et fiktivt serviceprojekt skal tidligere beskeder med kontrollerede tilordninger til teamene Reparation eller Fakturering bruges som træningseksempler. Teamet afklarer først, om tilordningerne afspejler det ansvar, der ønskes i dag, og er tildelt konsekvent. Forkerte labels kan lære modellen forkerte sammenhænge. Til vurderingen planlægges andre passende beskeder, som ikke indgår i træningen. Det skal også undersøges, hvordan modellen håndterer uklare eller hidtil ukendte henvendelser. At have labels gør læringsmetoden mulig, men dokumenterer ikke tilstrækkelig kvalitet til drift.
Kilder
Relaterede begreber
- MaskinlæringModeller lærer mønstre fra data og bruger dem på nye input.
- AI-inferensAt anvende en allerede trænet model på input for at få et resultat.
- LLM-evalueringLLM-evaluering undersøger modeloutput efter definerede opgaver og kriterier. Et godt enkeltstående eksempel dokumenterer ikke generel kvalitet.
- PrognosemodelEn model, der bruger tilgængelige oplysninger til at estimere en fremtidig størrelse for en fastlagt periode.
- Usuperviseret læringEn læringsmetode, der søger mønstre i data uden på forhånd angivne målsvar til den konkrete træningsopgave.
- Omrangering af søgeresultaterOmrangering vurderer allerede fundne søgeresultater igen. Relevansen for spørgsmålet og den første udvælgelses grænser er afgørende.
Dit projekt med ASES
Beskriv dit projekt for os. Vi vender tilbage med en første vurdering.