செயற்கை நுண்ணறிவு (AI) மற்றும் குறிப்பாக கூகுள் கிளவுட் மெஷின் லேர்னிங் என்ற களத்தில் லேபிளிடப்பட்ட தரவு, குறிப்பிட்ட லேபிள்கள் அல்லது வகைகளுடன் குறியிடப்பட்ட அல்லது குறிக்கப்பட்ட தரவுத்தொகுப்பைக் குறிக்கிறது. இந்த லேபிள்கள், இயந்திர கற்றல் அல்காரிதம்களைப் பயிற்றுவிப்பதற்கான அடிப்படை உண்மை அல்லது குறிப்புகளாகச் செயல்படுகின்றன. தரவுப் புள்ளிகளை அவற்றின் தொடர்புடைய லேபிள்களுடன் இணைப்பதன் மூலம், மெஷின் லேர்னிங் மாதிரியானது வடிவங்களை அடையாளம் காணவும் புதிய, காணாத தரவின் அடிப்படையில் கணிப்புகளைச் செய்யவும் கற்றுக்கொள்ள முடியும்.
மேற்பார்வையிடப்பட்ட கற்றலில் லேபிளிடப்பட்ட தரவு முக்கிய பங்கு வகிக்கிறது, இது இயந்திர கற்றலில் பொதுவான அணுகுமுறையாகும். மேற்பார்வையிடப்பட்ட கற்றலில், உள்ளீட்டு அம்சங்கள் மற்றும் அவற்றுடன் தொடர்புடைய வெளியீட்டு லேபிள்களுக்கு இடையேயான தொடர்பை அறிய, பெயரிடப்பட்ட தரவுத்தொகுப்பில் மாதிரி பயிற்சியளிக்கப்படுகிறது. இந்த பயிற்சி செயல்முறை மாதிரியானது அதன் அறிவைப் பொதுமைப்படுத்தவும் புதிய, காணப்படாத தரவுகளில் துல்லியமான கணிப்புகளைச் செய்யவும் அனுமதிக்கிறது.
இந்த கருத்தை விளக்குவதற்கு, படத்தை அடையாளம் காணும் துறையில் ஒரு இயந்திர கற்றல் பணியின் உதாரணத்தைக் கருத்தில் கொள்வோம். விலங்குகளின் படங்களை பூனைகள், நாய்கள் மற்றும் பறவைகள் போன்ற பல்வேறு வகைகளாக வகைப்படுத்தக்கூடிய மாதிரியை உருவாக்க விரும்புகிறோம் என்று வைத்துக்கொள்வோம். ஒவ்வொரு படமும் அதன் சரியான லேபிளுடன் தொடர்புடைய லேபிளிடப்பட்ட தரவுத்தொகுப்பு நமக்குத் தேவைப்படும். உதாரணமாக, ஒரு பூனையின் படம் "பூனை" என்றும், ஒரு நாயின் படம் "நாய்" என்றும் பலவற்றைக் குறிக்கும்.
பெயரிடப்பட்ட தரவுத்தொகுப்பு படங்களின் தொகுப்பையும் அவற்றுடன் தொடர்புடைய லேபிள்களையும் கொண்டிருக்கும். ஒவ்வொரு படமும் பிக்சல் மதிப்புகள் அல்லது படத்திலிருந்து பிரித்தெடுக்கப்பட்ட உயர்-நிலை பிரதிநிதித்துவங்கள் போன்ற அம்சங்களின் தொகுப்பால் குறிப்பிடப்படும். ஒவ்வொரு படமும் எந்த வகையைச் சேர்ந்தது என்பதை லேபிள்கள் குறிக்கும்.
பயிற்சி கட்டத்தின் போது, இயந்திர கற்றல் மாதிரி பெயரிடப்பட்ட தரவுத்தொகுப்புடன் வழங்கப்படும். உள்ளீட்டு அம்சங்கள் மற்றும் தொடர்புடைய லேபிள்களுக்கு இடையே உள்ள வடிவங்கள் மற்றும் உறவுகளை அடையாளம் காண இது கற்றுக் கொள்ளும். மாடல் அதன் உள் அளவுருக்களை அதன் கணிப்புகளுக்கும் பயிற்சி தரவில் உள்ள உண்மையான லேபிள்களுக்கும் இடையிலான வேறுபாட்டைக் குறைக்கும்.
மாதிரி பயிற்சி பெற்றவுடன், புதிய, பார்க்காத படங்களைப் பற்றிய கணிப்புகளைச் செய்ய இது பயன்படுத்தப்படலாம். லேபிளிடப்படாத படம் கொடுக்கப்பட்டால், மாதிரியானது அதன் அம்சங்களை ஆய்வு செய்து, லேபிளிடப்பட்ட தரவுத்தொகுப்பில் இருந்து கற்றறிந்த அறிவின் அடிப்படையில் பெரும்பாலும் லேபிளைக் கணிக்கும். எடுத்துக்காட்டாக, ஒரு படத்தில் ஒரு பூனை இருப்பதாக மாதிரி கணித்திருந்தால், அது ஒரு பூனையைக் குறிக்கும் படத்தில் அங்கீகரிக்கப்பட்ட வடிவங்களைக் கொண்டுள்ளது என்று அர்த்தம்.
இயந்திர கற்றல் மாதிரிகளைப் பயிற்றுவிப்பதில் லேபிளிடப்பட்ட தரவு ஒரு அடிப்படை அங்கமாகும். மாதிரியிலிருந்து கற்றுக்கொள்ளவும் துல்லியமான கணிப்புகளைச் செய்யவும் தேவையான தகவலை இது வழங்குகிறது. தரவுப் புள்ளிகளை அவற்றின் தொடர்புடைய லேபிள்களுடன் இணைப்பதன் மூலம், மாதிரியானது வடிவங்களை அடையாளம் காணவும் அதன் அறிவைப் பார்க்காத தரவுகளைப் பொதுமைப்படுத்தவும் கற்றுக்கொள்ள முடியும்.
தொடர்பான பிற சமீபத்திய கேள்விகள் மற்றும் பதில்கள் EITC/AI/GCML கூகிள் கிளவுட் மெஷின் கற்றல்:
- டெக்ஸ்ட் டு ஸ்பீச் (TTS) என்றால் என்ன, அது AI உடன் எவ்வாறு செயல்படுகிறது?
- இயந்திர கற்றலில் பெரிய தரவுத்தொகுப்புகளுடன் பணிபுரிவதில் உள்ள வரம்புகள் என்ன?
- இயந்திர கற்றல் சில உரையாடல் உதவிகளை செய்ய முடியுமா?
- டென்சர்ஃப்ளோ விளையாட்டு மைதானம் என்றால் என்ன?
- பெரிய தரவுத்தொகுப்பு உண்மையில் என்ன அர்த்தம்?
- அல்காரிதத்தின் ஹைபர்பாராமீட்டர்களின் சில எடுத்துக்காட்டுகள் யாவை?
- இசையமைத்தல் கற்றல் என்றால் என்ன?
- தேர்ந்தெடுக்கப்பட்ட இயந்திர கற்றல் அல்காரிதம் பொருத்தமானதாக இல்லாவிட்டால் என்ன செய்வது மற்றும் சரியானதைத் தேர்ந்தெடுப்பதை எவ்வாறு உறுதிப்படுத்துவது?
- ஒரு இயந்திர கற்றல் மாதிரி அதன் பயிற்சியின் போது மேற்பார்வை தேவையா?
- நியூரல் நெட்வொர்க் அடிப்படையிலான அல்காரிதம்களில் பயன்படுத்தப்படும் முக்கிய அளவுருக்கள் யாவை?
EITC/AI/GCML Google Cloud Machine Learning இல் கூடுதல் கேள்விகள் மற்றும் பதில்களைக் காண்க