Kaggle je spletna platforma za podatkovno znanost in strojno učenje, ki je od leta 2017 v lasti Googla. Ponuja javne podatkovne zbirke, tekmovanja na podlagi resničnih problemov, zvezke v brskalniku z računskimi viri in učne tečaje. Za organizacije in učence je uporabna za preizkušanje metod, primerjavo pristopov ali odkrivanje talentov. Pred uporabo je treba preveriti licenco in izvor posamezne podatkovne zbirke.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevStrojno učenje je veja umetne inteligence, v kateri računalniki iz podatkov izpeljejo vzorce, namesto da bi bilo vsako pravilo izrecno programirano. Glede na nalogo se modeli učijo iz označenih primerov (nadzorovano), iz neoznačenih podatkov (nenadzorovano) ali prek nagrad (spodbujevalno). Aplikacije segajo od filtrov neželene pošte in napovedi povpraševanja do priporočil izdelkov. Kakovost je močno odvisna od količine in kakovosti učnih podatkov.
Jupyter Notebook je odprtokodna aplikacija v brskalniku projekta Jupyter, ki v enem dokumentu združuje izvedljivo kodo, rezultate, grafikone in razlagalno besedilo. Zvezki se pogosto uporabljajo pri analizi podatkov, strojnem učenju, raziskavah in poučevanju, ker je vsak korak mogoče dokumentirati in deliti na sledljiv način. Najpogostejši jezik je Python. Primer: analitik naloži podatke o prodaji, jih očisti in rezultate prikaže kot grafikon neposredno pod kodo.
Primerjalno testiranje (benchmarking) na področju UI pomeni sistematično primerjanje modelov ali sistemov z opredeljenimi nalogami in merili. Javna primerjalna merila merijo na primer splošno znanje, sklepanje ali programerske sposobnosti; za praktično uporabo pa so najpomembnejši testni primeri iz lastnega vsakdanjega dela. Tipična merila so pravilnost, popolnost, odzivni čas in stroški. To pomaga odločiti, ali je manjši, cenejši model za nalogo dovolj dober.
Podatki za učenje so primeri, iz katerih se model UI uči vzorcev: velike zbirke besedil za jezikovne modele, označene slike za slikovne modele. Njihova kakovost, raznolikost in aktualnost v veliki meri določajo, kako zanesljiv in pošten je model ter kako sodobno je njegovo znanje. Za organizacije je pomembno tudi, ali ponudnik vnesene podatke strank uporablja za nadaljnje učenje.
