Եկեք չձևացնենք, թե սա պարզ է։ Ամեն ոք, ով ասում է «պարզապես մարզեք մոդելին», կարծես այն եռացող մակարոն լինի, կամ դա չի արել, կամ էլ ինչ-որ մեկը տառապել է իր փոխարեն ամենավատ պահերից։ Դուք պարզապես չեք «մարզում արհեստական ինտելեկտի մոդել»։ Դուք դաստիարակում եք ։ Դա ավելի շատ նման է դժվար երեխա դաստիարակելուն՝ անսահման հիշողությամբ, բայց առանց բնազդների։
Եվ տարօրինակ կերպով, դա այն մի փոքր գեղեցիկ է դարձնում։ 💡
Հոդվածներ, որոնք կարող են ձեզ դուր գալ կարդալ սրանից հետո.
🔗 Մշակողների համար նախատեսված 10 լավագույն արհեստական բանականության գործիքներ՝ բարձրացրեք արտադրողականությունը, ավելի խելացի կոդավորեք, ավելի արագ կառուցեք։
Ուսումնասիրեք ամենաարդյունավետ արհեստական բանականության գործիքները, որոնք օգնում են մշակողներին արդյունավետ դարձնել աշխատանքային հոսքերը և արագացնել մշակման գործընթացը։
🔗 Լավագույն արհեստական բանականության գործիքները ծրագրային ապահովման մշակողների համար – Արհեստական բանականությամբ աշխատող լավագույն կոդավորման օգնականներ։
Արհեստական բանականության գործիքների ցանկ, որոնք յուրաքանչյուր մշակող պետք է իմանա՝ կոդի որակը, արագությունը և համագործակցությունը բարելավելու համար։
🔗 Առանց կոդի արհեստական բանականության գործիքներ
Դիտեք արհեստական բանականության օգնական խանութի կողմից կազմված առանց կոդի գործիքների ցանկը, որոնք արհեստական բանականությամբ շինարարությունը հասանելի են դարձնում բոլորի համար։
Առաջին հերթին՝ ի՞նչ է արհեստական բանականության մոդելի մարզումը։ 🧠
Լավ, դադար։ Նախքան տեխնիկական տերմինների շերտերի մեջ խորանալը, իմացեք հետևյալը. արհեստական բանականության մոդելի մարզումը, ըստ էության, թվային ուղեղին սովորեցնում է ճանաչել օրինաչափությունները և համապատասխանաբար արձագանքել։.
ոչինչ չի հասկանում ։ Ո՛չ համատեքստը։ Ո՛չ հույզերը։ Իրականում նույնիսկ տրամաբանությունը։ Այն «սովորում է»՝ կոպիտ կերպով պարտադրելով վիճակագրական կշիռներ, մինչև մաթեմատիկան համընկնի իրականության հետ։ 🎯 Պատկերացրեք, որ աչքերը կապած նետեր եք նետում, մինչև դրանցից մեկը դիպչի ցուլի նշանառությանը։ Այնուհետև դա անում եք ևս հինգ միլիոն անգամ՝ ամեն անգամ մեկ նանոմետրով կարգավորելով ձեր արմունկի անկյունը։
Դա մարզում է։ Դա խելացի չէ։ Դա համառ է։.
1. Սահմանեք ձեր նպատակը կամ մեռեք փորձության 🎯
Ի՞նչ եք փորձում լուծել։
Մի՛ բաց թողեք սա։ Մարդիկ դա անում են, և վերջում ունենում են Ֆրանկենի մոդել, որը տեխնիկապես կարող է դասակարգել շների ցեղատեսակները, բայց գաղտնի կարծում է, որ չիխուահուաները համստերներ են։ Եղեք խիստ կոնկրետ։ «Քաղցկեղային բջիջները մանրադիտակի պատկերներից նույնականացնելը» ավելի լավ է, քան «բժշկական գործեր անելը»։ Անորոշ նպատակները կործանում են նախագծերը։.
Ավելի լավ է ձևակերպել այն հարցի տեսքով.
«Կարո՞ղ եմ մոդել մարզել YouTube-ի մեկնաբանություններում սարկազմը հայտնաբերելու՝ օգտագործելով միայն էմոջիների նախշեր»։ 🤔
Ահա թե ինչպիսի բույն է արժե ընկնել։
2. Փորեք տվյալները (այս մասը… մռայլ է) 🕳️🧹
Սա ամենաժամանակատար, թերներկայացված և հոգեպես ուժասպառ անող փուլն է՝ տվյալների հավաքագրումը։.
Դուք կշրջեք ֆորումներում, կքերեք HTML, կներբեռնեք անորոշ տվյալների հավաքածուներ GitHub-ից՝ տարօրինակ անվանակոչման կոնվենցիաներով, ինչպիսին է FinalV2_ActualRealData_FINAL_UseThis.csv-ը : Դուք կմտածեք, թե արդյոք խախտում եք օրենքները: Հնարավոր է՝ խախտում եք: Բարի գալուստ տվյալագիտություն:
Եվ երբ տվյալները ստանաք, դրանք կեղտոտ են։ 💩 Անավարտ տողեր։ Սխալ գրված պիտակներ։ Կրկնօրինակներ։ Խափանումներ։ Ընձուղտի մեկ պատկեր՝ «բանան» պիտակով։ Յուրաքանչյուր տվյալների բազմություն ուրվականների տուն է։ 👻
3. Նախնական մշակում. Որտեղ են երազները գնում մեռնելու 🧽💻
Մտածո՞ւմ էիք, որ սենյակը մաքրելը վատ է։ Փորձեք նախապես մշակել մի քանի հարյուր գիգաբայթ նախնական տվյալներ։.
-
Հաղորդագրություն ուղարկե՞լ։ Տոկենավորեք այն։ Հեռացրեք արգելաբառերը։ Զբաղվեք էմոջիներով կամ մեռեք փորձելուց։ 😂
-
Պատկերնե՞ր։ Չափափոխե՞լ։ Նորմալացնել պիքսելների արժեքները։ Մտահոգվե՞լ գունային ալիքների մասին։
-
Աուդիո՞։ Սպեկտրոգրամներ։ Բավական է ասել։ 🎵
-
Ժամանակային շարքեր՞։ Ավելի լավ է հույս ունենալ, որ ձեր ժամանակային դրոշմանիշները չեն խմվել։ 🥴
Դուք կգրեք կոդ, որն ավելի շատ կթվա մաքրության, քան մտավորականության մասին։ 🧼 Դուք ամեն ինչ կմտածեք երկրորդ անգամ։ Այստեղ յուրաքանչյուր որոշում ազդում է հետագա ամեն ինչի վրա։ Ոչ մի ճնշում։.
4. Ընտրեք ձեր մոդելի ճարտարապետությունը (գոյության ճգնաժամի ազդանշան) 🏗️💀
Ահա թե որտեղ են մարդիկ ինքնավստահ դառնում և նախապես պատրաստված տրանսֆորմատորը ներբեռնում, կարծես կենցաղային տեխնիկա են գնում։ Բայց սպասեք. պիցցա առաքելու համար Ferrari պե՞տք է։ 🍕
Ընտրեք ձեր զենքը՝ հիմնվելով ձեր պատերազմի վրա
| Մոդելի տեսակը | Լավագույնը | Առավելություններ | Դեմ կողմերը |
|---|---|---|---|
| Գծային ռեգրեսիա | Պարզ կանխատեսումներ անընդհատ արժեքների վերաբերյալ | Արագ, մեկնաբանելի, աշխատում է փոքր տվյալների հետ | Վատ է բարդ հարաբերությունների համար |
| Որոշումների ծառեր | Դասակարգում և ռեգրեսիա (աղյուսակային տվյալներ) | Հեշտ է պատկերացնել, մասշտաբավորման կարիք չկա | Հակված է գերհագեցման |
| Պատահական անտառ | Հուսալի աղյուսակային կանխատեսումներ | Բարձր ճշգրտություն, մշակում է բացակայող տվյալները | Ավելի դանդաղ է մարզվում, ավելի քիչ մեկնաբանելի |
| CNN (ConvNets) | Պատկերի դասակարգում, օբյեկտի հայտնաբերում | Հիանալի է տարածական տվյալների համար, ուժեղ կենտրոնացված է օրինաչափությունների վրա | Պահանջում է մեծ քանակությամբ տվյալներ և GPU հզորություն |
| RNN / LSTM / GRU | Ժամանակային շարքեր, հաջորդականություններ, տեքստ (հիմնական) | Ժամանակավոր կախվածությունների կառավարում | Երկարատև հիշողության հետ կապված խնդիրներ (անհետացող գրադիենտներ) |
| Տրանսֆորմերներ (BERT, GPT) | Լեզու, տեսլական, բազմամոդալ առաջադրանքներ | Ժամանակակից, մասշտաբային, հզոր | Չափազանց ռեսուրսներ պահանջող, բարդ է մարզելու համար |
Մի՛ չափազանցեք։ Եթե պարզապես այստեղ չեք մարզվելու համար։ 💪
5. Մարզումների ցիկլը (որտեղ բանականությունը խափանվում է) 🔁🧨
Հիմա ամեն ինչ տարօրինակ է դառնում։ Դուք գործարկում եք մոդելը։ Այն սկսում է անհեթեթություն։ Օրինակ՝ «բոլոր կանխատեսումները = 0» անհեթեթություն է։ 🫠
Ապա... սովորում է։.
Կորստի ֆունկցիաների և օպտիմիզատորների, հետադարձ տարածման և գրադիենտային անկման միջոցով այն փոփոխում է միլիոնավոր ներքին կշիռներ՝ փորձելով նվազեցնել դրա սխալ լինելը։ 📉 Դուք կմոլուցք կունենաք գրաֆիկների վրա։ Դուք կգոռաք պլատոների վրա։ Դուք կգովաբանեք վավերացման կորստի փոքր անկումները, կարծես դրանք աստվածային ազդանշաններ լինեն։ 🙏
Երբեմն մոդելը կատարելագործվում է։ Երբեմն այն փլուզվում է անհեթեթության մեջ։ Երբեմն այն չափազանց հարմարվում է և դառնում փառաբանված մագնիտոֆոն։ 🎙️
6. Գնահատում. Թվերն ընդդեմ ներքին զգացողության 🧮🫀
Այստեղ դուք այն փորձարկում եք անտեսանելի տվյալների հետ։ Դուք կօգտագործեք հետևյալ չափանիշները՝
-
Ճշգրտություն. 🟢 Լավ ելակետային տվյալներ, եթե ձեր տվյալները աղավաղված չեն։
-
Ճշգրտություն / Հիշողություն / F1 միավոր: 📊 Կարևոր է, երբ կեղծ դրական արդյունքները ցավոտ են։
-
ROC-AUC: 🔄 Հիանալի է կորերի դրամայով երկուական առաջադրանքների համար։
-
Շփոթության մատրիցա։ 🤯 Անունը ճշգրիտ է։
Նույնիսկ լավ թվերը կարող են քողարկել վատ վարքագիծը։ Վստահեք ձեր աչքերին, ձեր ներքին ձայնին և ձեր սխալների գրանցամատյաններին։.
7. Տեղակայում. այսինքն՝ ազատ արձակել Կրակենին 🐙🚀
Հիմա, երբ այն «աշխատում է», դուք այն փաթեթավորում եք։ Պահպանում եք մոդելի ֆայլը։ Փաթեթավորում եք այն API-ի մեջ։ Dockerize-ում եք այն։ Նետում եք այն արտադրության մեջ։ Ի՞նչը կարող է սխալ լինել։
Այո, ճիշտ է՝ ամեն ինչ։ 🫢
Կհայտնվեն եզրային պատյաններ։ Օգտատերերը կկոտրեն այն։ Գրանցամատյանները կաղաղակեն։ Դուք կշտկեք ամեն ինչ ուղիղ եթերում և կձևացնեք, թե մտադիր եք եղել այդպես անել։.
Վերջնական խորհուրդներ թվային խրամատներից ⚒️💡
-
Աղբի տվյալներ = աղբի մոդել։ Կետ։. 🗑️
-
Սկսե՛ք փոքրից, ապա մասշտաբավորե՛ք։ Փոքր քայլերը գերազանցում են լուսնային թռիչքներին։ 🚶♂️
-
Ստուգե՛ք ամեն ինչ։ Դուք կզղջաք, որ չեք պահպանել այդ մեկ տարբերակը։
-
Գրեք անկարգ, բայց անկեղծ նշումներ։ Հետագայում ինքներդ ձեզ շնորհակալ կլինեք։
-
Ստուգեք ձեր ներքին ձայնը տվյալներով։ Կամ՝ ոչ։ Կախված է օրվանից։.
Արհեստական բանականության մոդելի մարզումը նման է սեփական չափազանց ինքնավստահության խնդիրը լուծելուն։
Դուք կարծում եք, որ խելացի եք, մինչև այն առանց որևէ պատճառի կոտրվում է։
Դուք կարծում եք, որ այն պատրաստ է, մինչև այն չի սկսում կանխատեսել կետերը կոշիկների մասին տվյալների բազայում։ 🐋👟
Բայց երբ այն սեղմվում է՝ երբ մոդելն իրականում ստանում է այն , դա ալքիմիայի պես է զգացվում։ ✨
Եվ դա՞։ Դրա համար էլ մենք շարունակում ենք դա անել։.