Kaggle on data-analytiikan ja koneoppimisen verkkoalusta, jonka omistaa Google vuodesta 2017. Se tarjoaa julkisia aineistoja, todellisiin ongelmiin perustuvia kilpailuja, selaimessa toimivia muistikirjoja laskentaresursseineen ja oppimiskursseja. Organisaatioille ja oppijoille se on hyödyllinen menetelmien kokeiluun, lähestymistapojen vertailuun tai kykyjen löytämiseen. Aineiston lisenssi ja alkuperä tulee tarkistaa ennen käyttöä.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoKoneoppiminen on tekoälyn haara, jossa tietokoneet johtavat kuvioita datasta sen sijaan, että jokainen sääntö ohjelmoitaisiin erikseen. Tehtävästä riippuen mallit oppivat merkityistä esimerkeistä (ohjattu oppiminen), merkitsemättömästä datasta (ohjaamaton oppiminen) tai palkkioiden kautta (vahvistusoppiminen). Sovelluksia ovat roskapostisuodattimista ja kysyntäennusteista tuotesuosituksiin. Laatu riippuu vahvasti koulutusdatan määrästä ja laadusta.
Jupyter Notebook on Project Jupyterin avoimen lähdekoodin, selaimessa toimiva sovellus, joka yhdistää suoritettavan koodin, tulokset, kaaviot ja selittävän tekstin yhdeksi dokumentiksi. Muistikirjoja käytetään laajasti data-analyysissä, koneoppimisessa, tutkimuksessa ja opetuksessa, koska jokainen vaihe voidaan dokumentoida ja jakaa jäljitettävästi. Python on yleisin kieli. Esimerkki: analyytikko lataa myyntidatan, puhdistaa sen ja näyttää tulokset kaaviona suoraan sen alla.
Tekoälyssä benchmarking tarkoittaa mallien tai järjestelmien järjestelmällistä vertailua määriteltyjen tehtävien ja kriteerien avulla. Julkiset vertailutestit mittaavat esimerkiksi yleistietoa, päättelykykyä tai ohjelmointitaitoa; käytännön käytössä tärkeimpiä ovat kuitenkin oman arkityön testitapaukset. Tyypillisiä kriteerejä ovat tarkkuus, kattavuus, vasteaika ja kustannukset. Tämä auttaa päättämään, riittääkö pienempi ja edullisempi malli tehtävään.
Opetusdata ovat esimerkkejä, joista tekoälymalli oppii säännönmukaisuuksia: suuria tekstikokoelmia kielimalleille, luokiteltuja kuvia kuvamalleille. Niiden laatu, monipuolisuus ja ajantasaisuus määräävät pitkälti, kuinka luotettava ja oikeudenmukainen malli on ja kuinka ajan tasalla sen tietämys on. Organisaatioille on myös tärkeää, käyttääkö tarjoaja syöttämiään asiakastietoja jatko-opetukseen.
