Aprendizaje supervisado
Un método que utiliza entradas junto con sus valores o clases objetivo como ejemplos de entrenamiento.
¿De qué aprende un modelo supervisado?
El aprendizaje supervisado utiliza entradas junto con sus objetivos correspondientes para el entrenamiento. Esos objetivos se denominan etiquetas y pueden ser clases o valores numéricos. El modelo debe aprender relaciones para predecir resultados adecuados con entradas nuevas. Los objetivos deben corresponder a la tarea prevista. El término supervisado se refiere a esos objetivos de entrenamiento; una aprobación humana durante el uso posterior se define como un paso separado del proceso.
En un proyecto de servicio ficticio, mensajes anteriores con asignaciones revisadas a los equipos de Reparación o Facturación deben servir como ejemplos de entrenamiento. El equipo aclara primero si esas asignaciones reflejan la responsabilidad deseada hoy y si se aplicaron de manera coherente. Las etiquetas erróneas pueden enseñar relaciones incorrectas. Para la evaluación se prevén otros mensajes adecuados que no formen parte del entrenamiento. También se debe comprobar cómo trata el modelo solicitudes ambiguas o hasta entonces desconocidas. Disponer de etiquetas hace posible este método, pero no demuestra una calidad suficiente para su uso operativo.
Fuentes
Términos relacionados
- Aprendizaje automáticoLos modelos aprenden patrones de los datos y los aplican a nuevas entradas.
- Inferencia de IAAplicar un modelo ya entrenado a entradas para obtener un resultado.
- Evaluación de LLMLa evaluación de LLM comprueba resultados según tareas y criterios definidos. Un buen caso aislado no demuestra calidad general.
- Modelo de previsiónUn modelo que utiliza la información disponible para estimar una magnitud futura durante un periodo definido.
- Aprendizaje no supervisadoUn método que busca patrones en los datos sin respuestas objetivo predefinidas para la tarea de entrenamiento concreta.
- Reordenación de resultadosLa reordenación vuelve a evaluar los candidatos encontrados. Importan la pertinencia para la consulta y los límites de la selección inicial.
Su proyecto con ASES
Descríbanos su proyecto. Le responderemos con una primera valoración.