Dyp læring
Maskinlæring med nevrale nettverk som har flere behandlingslag.
Hva er dyp læring?
Dyp læring er en del av maskinlæring med nevrale nettverk i flere lag. Etterfølgende beregningstrinn kan lære egnede representasjoner av inndata. Data, beregningskraft og trening avhenger av modell og oppgave. Større dybde er verken kvalitetsbevis eller grunn til å foretrekke metoden fremfor alle enklere tilnærminger.
En oppdiktet virksomhet vil gjenkjenne vanskelig lesbare produktetiketter på bilder. En modell for dyp læring er en mulighet. Teamet kontrollerer egnethet med bilder som ikke ble brukt til trening og gjenspeiler den planlagte bruken, for eksempel med annet lys eller skadde etiketter. Det sammenligner også enklere egnede metoder og drifts- og kontrollarbeid. Gode resultater på utvalgte treningsbilder beviser ikke pålitelig gjenkjenning i den planlagte flyten.
Kilder
Beslektede begreper
- MaskinlæringModeller lærer mønstre fra data og bruker dem på nye inndata.
- Nevralt nettverkEn modell av sammenkoblede beregningsnoder med justerbare parametere.
- Stor språkmodellEn stor språkmodell behandler språk med innlærte mønstre. Flytende tekst beviser verken faktariktighet eller tilgang til aktuelle virksomhetsdata.
- ModellkortEt modellkort dokumenterer formål, grunnlag, evalueringsbetingelser og kjente begrensninger for en bestemt versjon av en KI-modell.
- KI-modenhetKI-modenhet gjelder forutsetningene for et prosjekt: mål, brukbare data, kompetanse, ansvar og et fungerende driftsopplegg.
- Context engineeringContext engineering forbereder informasjon til hvert modellkall: relevante instruksjoner, meldinger, kilder og gjeldende tilstander.
Artikler om temaet
KI og automatisering med ASES
KI-assistenter og automatiserte prosesser