आर्टिफिसियल इन्टेलिजेन्स (एआई) को सन्दर्भमा र विशेष गरी Google क्लाउड मेसिन लर्निङको डोमेनमा लेबल गरिएको डेटाले एनोटेट वा विशिष्ट लेबल वा कोटीहरूसँग चिन्ह लगाइएको डेटासेटलाई जनाउँछ। यी लेबलहरूले प्रशिक्षण मेसिन लर्निङ एल्गोरिदमहरूको लागि आधारभूत सत्य वा सन्दर्भको रूपमा काम गर्दछ। डेटा पोइन्टहरूलाई तिनीहरूको सम्बन्धित लेबलहरूसँग सम्बद्ध गरेर, मेसिन लर्निङ मोडेलले नयाँ, नदेखिने डेटामा आधारित ढाँचाहरू पहिचान गर्न र भविष्यवाणीहरू गर्न सिक्न सक्छ।
लेबल गरिएको डेटाले पर्यवेक्षित शिक्षामा महत्त्वपूर्ण भूमिका खेल्छ, जुन मेसिन लर्निङमा सामान्य दृष्टिकोण हो। पर्यवेक्षित सिकाइमा, इनपुट सुविधाहरू र तिनीहरूसँग सम्बन्धित आउटपुट लेबलहरू बीचको सम्बन्ध जान्नको लागि मोडेललाई लेबल गरिएको डेटासेटमा तालिम दिइन्छ। यो प्रशिक्षण प्रक्रियाले मोडेललाई आफ्नो ज्ञानलाई सामान्यीकरण गर्न र नयाँ, नदेखेको डाटामा सही भविष्यवाणी गर्न अनुमति दिन्छ।
यस अवधारणालाई चित्रण गर्न, छवि पहिचानको क्षेत्रमा मेसिन लर्निङ कार्यको उदाहरण विचार गरौं। मानौं हामी एउटा मोडेल बनाउन चाहन्छौं जसले जनावरहरूको छविहरूलाई बिराला, कुकुर र चराहरू जस्ता विभिन्न वर्गहरूमा वर्गीकरण गर्न सक्छ। हामीलाई लेबल गरिएको डेटासेट चाहिन्छ जहाँ प्रत्येक छवि यसको सही लेबलसँग सम्बन्धित छ। उदाहरणका लागि, बिरालोको छविलाई "बिरालो", कुकुरको छविलाई "कुकुर" र यस्तै अन्य रूपमा लेबल गरिनेछ।
लेबल गरिएको डेटासेटमा छविहरूको सङ्कलन र तिनीहरूसँग सम्बन्धित लेबलहरू हुन्छन्। प्रत्येक छविलाई सुविधाहरूको सेटद्वारा प्रतिनिधित्व गरिनेछ, जस्तै पिक्सेल मानहरू वा छविबाट निकालिएका उच्च-स्तर प्रतिनिधित्वहरू। लेबलहरूले सही वर्ग वा वर्गलाई संकेत गर्दछ जुन प्रत्येक छविसँग सम्बन्धित छ।
तालिम चरणमा, मेसिन लर्निङ मोडेललाई लेबल गरिएको डाटासेटको साथ प्रस्तुत गरिनेछ। यसले इनपुट सुविधाहरू र सम्बन्धित लेबलहरू बीचको ढाँचा र सम्बन्धहरू पहिचान गर्न सिक्नेछ। मोडेलले यसको आन्तरिक मापदण्डहरू अद्यावधिक गर्नेछ यसको भविष्यवाणीहरू र प्रशिक्षण डेटामा सही लेबलहरू बीचको भिन्नतालाई कम गर्न।
एक पटक मोडेल प्रशिक्षित भएपछि, यसलाई नयाँ, नदेखेका छविहरूमा भविष्यवाणी गर्न प्रयोग गर्न सकिन्छ। लेबल नगरिएको छवि दिएमा, मोडेलले यसको सुविधाहरूको विश्लेषण गर्नेछ र लेबल गरिएको डेटासेटबाट सिकेको ज्ञानको आधारमा सबैभन्दा सम्भावित लेबलको भविष्यवाणी गर्नेछ। उदाहरणका लागि, यदि मोडेलले एउटा छविमा बिरालो छ भनी भविष्यवाणी गर्छ भने, यसको मतलब यो हो कि यसले छविमा बिरालाको सङ्केत गर्ने ढाँचाहरू पहिचान गरेको छ।
लेबल गरिएको डाटा प्रशिक्षण मेसिन लर्निंग मोडेलहरूमा एक आधारभूत घटक हो। यसले मोडेलबाट सिक्न र सही भविष्यवाणी गर्न आवश्यक जानकारी प्रदान गर्दछ। डेटा पोइन्टहरूलाई तिनीहरूको सम्बन्धित लेबलहरूसँग सम्बद्ध गरेर, मोडेलले ढाँचाहरू पहिचान गर्न र नदेखेको डेटामा यसको ज्ञानलाई सामान्यीकरण गर्न सिक्न सक्छ।
अन्य भर्खरका प्रश्न र उत्तरहरू सम्बन्धमा EITC/AI/GCML गुगल क्लाउड मेशिन शिक्षा:
- टेक्स्ट टु स्पीच (TTS) भनेको के हो र यसले AI सँग कसरी काम गर्छ?
- मेसिन लर्निङमा ठूला डाटासेटहरूसँग काम गर्ने सीमाहरू के हुन्?
- के मेसिन लर्निङले केही संवादात्मक सहयोग गर्न सक्छ?
- TensorFlow खेल मैदान के हो?
- वास्तवमा ठूलो डेटासेटको अर्थ के हो?
- एल्गोरिदमको हाइपरपेरामिटरका केही उदाहरणहरू के हुन्?
- इन्साम्बल लर्निङ भनेको के हो?
- के हुन्छ यदि छनौट गरिएको मेसिन लर्निङ एल्गोरिथ्म उपयुक्त छैन र कसरी सही छनौट गर्न सुनिश्चित गर्न सकिन्छ?
- के मेसिन लर्निङ मोडेललाई यसको तालिमको क्रममा पर्यवेक्षण चाहिन्छ?
- तंत्रिका सञ्जाल आधारित एल्गोरिदमहरूमा प्रयोग गरिएका मुख्य प्यारामिटरहरू के हुन्?
EITC/AI/GCML Google Cloud Machine Learning मा थप प्रश्न र उत्तरहरू हेर्नुहोस्
थप प्रश्न र उत्तरहरू:
- क्षेत्र: कृत्रिम खुफिया
- कार्यक्रम: EITC/AI/GCML गुगल क्लाउड मेशिन शिक्षा (प्रमाणीकरण कार्यक्रममा जानुहोस्)
- पाठ: परिचय (सम्बन्धित पाठमा जानुहोस्)
- विषय: मेशिन शिक्षा के हो (सम्बन्धित विषयमा जानुहोस्)