عندما أعدنا تصميم دورة التعلم العميق الخاصة بنا في نهاية العام الماضي لجعلها أكثر وضوحًا وقائمة على الحالة من ممارسة الأعمال الحقيقية ، قمنا بتضمين وحدة جديدة حول ترميز البيانات على منصة الحشد Yandex.Toloka.
ولكن نظرًا لأن التعهيد الجماعي ليس الطريقة الوحيدة للترميز ، فقد أعددنا للطلاب الجدد في الدورة التدريبية ترجمة لهذه المقالة من مدونة Lionbridge مع نظرة عامة على الأساليب الرئيسية لترميز البيانات. نأمل أن تجده مفيدًا أيضًا.
تعتمد جودة مشروع التعلم الآلي بشكل مباشر على كيفية التعامل مع حل 3 مهام رئيسية: جمع البيانات ومعالجتها وترميزها.
عادةً ما تكون العلامات عملية معقدة وتستغرق وقتًا طويلاً. على سبيل المثال ، غالبًا ما تتضمن أنظمة التعرف على الصور رسم مربعات إحاطة حول الكائنات ، بينما قد تتطلب أنظمة توصية المنتج وأنظمة تحليل المشاعر معرفة السياق الثقافي. لا تنس أيضًا أن مصفوفة البيانات يمكن أن تحتوي على عشرات الآلاف أو أكثر من العينات التي تحتاج إلى ترميز.
وبالتالي ، سيعتمد نهج إنشاء مشروع التعلم الآلي على مدى تعقيد المهمة ونطاق المشروع والجدول الزمني لتنفيذه. مع أخذ هذه العوامل في الاعتبار ، حددنا 5 مناهج رئيسية لترميز البيانات وقدمنا الحجج المؤيدة والمعارضة لكل منها.
تندرج الطرق المختلفة لترميز البيانات للتعلم الآلي في الفئات التالية:
داخليًا: كما يوحي الاسم ، يتعلق الأمر بترميز البيانات بواسطة فريق المحللين لدينا. هذا النهج له عدد من المزايا الواضحة: من السهل التحكم في العملية ويمكنك أن تثق في دقة وجودة العمل. ومع ذلك ، فإن هذه الطريقة مناسبة على الأرجح فقط للشركات الكبيرة التي لديها فريق محلل بيانات خاص بها.
: , . ., . , , . , ; , . , , .
: – . - , . , , . , , .
: , , . - (GAN). GAN ( ), . - . GAN . . , , , .
« »: . , , . , , , . , , .
:
| ||
In-house |
|
|
|
|
, |
|
| |
, |
|
|
|
|
|
|
|
|
. : , , , . .
-------------
Deep Learning 6.0 Newprolab 9 .
- Deep Learning 7.0 - c 30 22 2021 .