AI-skolan
Data labeling (datamärkning) är processen att förse rådata med korrekta etiketter eller annotationer som en AI-modell sedan kan lära sig av. Det är ett grundläggande steg i supervised learning och avgörande för modellkvaliteten — felaktiga eller inkonsekventa etiketter leder direkt till en sämre modell. Märkning görs av människor, automatiserade verktyg eller en kombination av båda.
Exempel
För att träna en modell som kan identifiera tumörer i röntgenbilder behöver tusentals bilder märkas av radiologer som ritar in där tumörer finns och klassificerar dem. Den här typen av expertmärkning är tidskrävande och kostsam, men avgörande för att modellen ska fungera på ett medicinskt tillförlitligt sätt.
ML
Avancerat