Pusiau prižiūrimas mokymasis sujungia nedidelį kiekį pažymėtų duomenų su dideliu kiekiu nepažymėtų. Modelis pirmiausia mokosi iš nedaugelio pavyzdžių su žinomais atsakymais, o paskui naudoja likusių duomenų dėsningumus, kad pagerėtų – pavyzdžiui, priimdamas patikimas prognozes kaip papildomus mokymo pavyzdžius. Tai atsiperka, kai žymėjimas brangus, pavyzdžiui, su medicininiais vaizdais ar tūkstančiais pagalbos užklausų.
Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.
Pradėti demonstracijąPrižiūrimo mokymosi metu modelis mokosi iš pavyzdžių, kurių teisingas atsakymas jau žinomas, pavyzdžiui, el. laiškų, pažymėtų „šlamštas“ arba „ne šlamštas“. Iš jų jis išveda taisykles, kaip klasifikuoti naujus, nematytus atvejus arba prognozuoti reikšmes. Tipinės užduotys – klasifikavimas ir regresija; didžioji dalis pastangų skiriama švariai pažymėtiems duomenims sukurti.
Neprižiūrimo mokymosi metu modelis gauna duomenis be iš anksto nustatytų teisingų atsakymų ir pats ieško struktūrų. Tipiniai metodai: klasterizavimas, grupuojantis panašius įrašus, ir dimensijų mažinimas, sutraukiantis daug požymių į kelis svarbiausius. Organizacijos jį naudoja klientų segmentams atrasti ar neįprastiems sandoriams pastebėti; rastas grupes paskui turi interpretuoti srities ekspertai.
Duomenų stygius atsiranda, kai DI užduočiai trūksta tinkamų ar pažymėtų duomenų, kad modelį būtų galima patikimai apmokyti ar išbandyti. Tai paliečia, pavyzdžiui, retus gamybos defektų tipus, nišines kalbas ar naujus produktus be pardavimų istorijos. Priemonės: žinių perkėlimas (transfer learning), sintetiniai duomenys, duomenų papildymas (data augmentation) arba iš anksto apmokyti kalbos modeliai, duodantys naudingus rezultatus iš vos kelių pavyzdžių.
Mokymo duomenys – pavyzdžiai, iš kurių DI modelis mokosi dėsningumų: dideli tekstų rinkiniai kalbos modeliams, pažymėti vaizdai vaizdų modeliams. Jų kokybė, įvairovė ir naujumas daugiausia lemia, kaip patikimas ir teisingas bus modelis ir kokios šviežios bus jo žinios. Organizacijoms taip pat svarbu, ar tiekėjas jų įvestus klientų duomenis naudoja tolesniam mokymui.
