Kaggle je online platforma pro datovou vědu a strojové učení, kterou od roku 2017 vlastní Google. Nabízí veřejné datové sady, soutěže založené na reálných problémech, notebooky v prohlížeči s výpočetními prostředky a výukové kurzy. Pro organizace i studující je užitečná k vyzkoušení metod, porovnání přístupů nebo vyhledávání talentů. Před použitím by se měla ověřit licence a původ každé datové sady.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoStrojové učení je odvětví umělé inteligence, v němž počítače odvozují vzorce z dat, místo aby měly každé pravidlo explicitně naprogramované. Podle úlohy se modely učí z označených příkladů (s učitelem), z neoznačených dat (bez učitele) nebo prostřednictvím odměn (zpětnovazební učení). Aplikace sahají od filtrů spamu a předpovědí poptávky po doporučování produktů. Kvalita výrazně závisí na množství a kvalitě trénovacích dat.
Jupyter Notebook je open-source aplikace běžící v prohlížeči od projektu Project Jupyter, která v jednom dokumentu spojuje spustitelný kód, výsledky, grafy a vysvětlující text. Notebooky se široce používají v analýze dat, strojovém učení, výzkumu a výuce, protože každý krok lze dokumentovat a sdílet srozumitelným způsobem. Nejběžnějším jazykem je Python. Příklad: analytik načte data o prodeji, vyčistí je a výsledky zobrazí jako graf přímo pod nimi.
V oblasti AI znamená benchmarking systematické porovnávání modelů nebo systémů pomocí definovaných úloh a kritérií. Veřejné benchmarky měří například všeobecné znalosti, schopnost uvažování nebo programování; pro praktické použití jsou však nejdůležitější testovací případy z vaší vlastní každodenní práce. Typickými kritérii jsou přesnost, úplnost, doba odezvy a náklady. Pomáhá to rozhodnout, zda pro daný úkol stačí menší a levnější model.
Trénovací data jsou příklady, z nichž se AI model učí vzory: rozsáhlé sbírky textů pro jazykové modely, označené obrázky pro obrazové modely. Jejich kvalita, rozmanitost a aktuálnost do značné míry určují, jak spolehlivý a spravedlivý model je a jak aktuální budou jeho znalosti. Pro organizace je také důležité, zda poskytovatel používá k dalšímu trénování zákaznická data, která do systému zadají.
