A Kaggle adattudományi és gépi tanulási online platform, amely 2017 óta a Google tulajdonában van. Nyilvános adathalmazokat, valós problémákra épülő versenyeket, számítási erőforrásokkal ellátott böngészőalapú jegyzetfüzeteket és tanulási kurzusokat kínál. A szervezetek és a tanulók számára hasznos módszerek kipróbálására, megközelítések összehasonlítására vagy tehetségek felkutatására. Az adathalmazok licencét és eredetét felhasználás előtt ellenőrizni kell.
Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.
Demó indításaA gépi tanulás a mesterséges intelligencia egyik ága, amelyben a számítógépek mintázatokat vezetnek le az adatokból ahelyett, hogy minden szabályt kifejezetten beprogramoznának. A feladattól függően a modellek címkézett példákból (felügyelt), címkézetlen adatokból (felügyelet nélküli) vagy jutalmakon keresztül (megerősítéses) tanulnak. Az alkalmazások a spamszűrőktől és kereslet-előrejelzésektől a termékajánlásokig terjednek. A minőség nagymértékben függ a tanítóadatok mennyiségétől és minőségétől.
A Jupyter Notebook a Project Jupyter nyílt forráskódú, böngészőalapú alkalmazása, amely futtatható kódot, eredményeket, diagramokat és magyarázó szöveget egyesít egyetlen dokumentumban. A jegyzetfüzeteket széles körben használják adatelemzésben, gépi tanulásban, kutatásban és oktatásban, mert minden lépés nyomon követhetően dokumentálható és megosztható. A leggyakoribb nyelv a Python. Példa: egy elemző betölti az értékesítési adatokat, megtisztítja őket, és az eredményeket közvetlenül alatta diagramon mutatja meg.
Az MI területén a benchmarking modellek vagy rendszerek szisztematikus összehasonlítását jelenti meghatározott feladatok és szempontok alapján. A nyilvános benchmarkok például az általános tudást, a következtetési képességet vagy a programozási tudást mérik; a gyakorlati használat szempontjából azonban a saját mindennapi munkából vett tesztesetek a legfontosabbak. Jellemző szempont a pontosság, a teljesség, a válaszidő és a költség. Ez segít eldönteni, hogy egy kisebb, olcsóbb modell elég jó-e egy feladathoz.
A tanítóadatok azok a példák, amelyekből egy MI-modell mintákat tanul: nagy szöveggyűjtemények a nyelvi modellekhez, címkézett képek a képi modellekhez. Minőségük, sokféleségük és aktualitásuk nagyban meghatározza, mennyire megbízható és igazságos egy modell, és mennyire naprakész a tudása. A szervezetek számára az is számít, hogy a szolgáltató a megadott ügyféladatokat felhasználja-e további tanításhoz.
