Djupinlärning
Maskininlärning med neurala nätverk som har flera bearbetningslager.
Vad är djupinlärning?
Djupinlärning är en del av maskininlärning med neurala nätverk i flera lager. Efterföljande beräkningssteg kan lära lämpliga representationer av indata. Data, beräkning och träning beror på modell och uppgift. Större djup är varken kvalitetsbevis eller skäl att föredra metoden framför varje enklare alternativ.
Ett påhittat företag vill känna igen svårlästa produktetiketter på foton. En djupinlärningsmodell är en möjlighet. Teamet kontrollerar lämplighet med bilder som inte användes för träning och motsvarar den tänkta användningen, exempelvis med annan belysning eller skadade etiketter. Det jämför även enklare lämpliga metoder och drift- och kontrollarbete. Goda resultat på valda träningsfoton visar inte tillförlitlig igenkänning i det tänkta flödet.
Källor
Relaterade begrepp
- MaskininlärningModeller lär sig mönster från data och använder dem på nya indata.
- Neuralt nätverkEn modell av sammankopplade beräkningsnoder med justerbara parametrar.
- Stor språkmodellEn stor språkmodell bearbetar språk med inlärda mönster. Flytande text bevisar varken faktariktighet eller tillgång till aktuella företagsdata.
- ModellkortEtt modellkort dokumenterar syfte, grunder, utvärderingsvillkor och kända begränsningar för en viss version av en AI-modell.
- Beredskap för AIBeredskap för AI gäller ett projekts förutsättningar: mål, användbara data, kompetens, ansvar och ett fungerande arbetssätt för driften.
- KontextutformningKontextutformning förbereder information inför varje modellanrop: relevanta instruktioner, meddelanden, källor och aktuella tillstånd.
Artiklar om ämnet
AI & automatisering med ASES
AI-assistenter och automatiserade flöden