Notícias do site Coinjie, o engenheiro sênior de IA da Tesla, Cai Yunda, apontou que o público geralmente pensa que 99% do trabalho em projetos de aprendizado de máquina é dedicado ao treinamento, mas na realidade, o tempo realmente usado para treinar os parâmetros do modelo representa apenas 2%. Em comparação, 50% do esforço é gasto na avaliação de testes, 40% na limpeza de dados e os outros 8% na integração de sistemas. Cai Yunda enfatizou que a limpeza de dados e a avaliação determinam o limite do que a IA pode aprender. Se os dados brutos forem vagos na definição ou contraditórios na rotulagem, isso introduz ruído na origem. Qualquer magia algorítmica ou técnica de ajuste de parâmetros não consegue eliminar o ruído de fundo, pois o modelo não consegue corrigir erros no próprio livro de referência, e o limite final de precisão depende totalmente da quantidade de informação útil presente nos dados. Para garantir a padronização dos dados desde a origem, Cai Yunda afirmou que revisa diariamente a definição de conceitos de dados e o sistema de classificação, chegando a revisar repetidamente as etiquetas históricas. Muitos profissionais concordam e apontam que, seja na definição de regras de aprendizado por reforço ou na rotulagem precisa para ajuste fino do modelo, o que realmente determina o desempenho da IA é a qualidade dos dados e o nível de avaliação, e não a arquitetura do modelo em si.

Ver original

Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.

2 Curtidas

Recompensa
2
5
1
Compartilhar

Comentário

Adicionar um comentário

GateUser-e4351615

· 5h atrás

50% da avaliação explica que o sistema de validação é mais importante do que a alquimia

Ver originalResponder0

MemeFisher

· 5h atrás

Então, não fique só elogiando a quantidade de parâmetros, primeiro padronize as normas de anotação.

Ver originalResponder0

GateUser-470bc925

· 5h atrás

A qualidade dos dados realmente é o limite máximo

Ver originalResponder0

Lemon-FlavoredLiquidation

· 5h atrás

8% de integração de sistema... Parece que a implantação é o grande obstáculo escondido

Ver originalResponder0

EchoesOfMistValley

· 5h atrás

A definição de dados brutos de forma ambígua é realmente um problema comum na indústria, após um bom design de alto nível, tudo o mais será resolvido com pagamento de dívidas

Ver originalResponder0

Tendências
Ver projetos
#
MyGateTradeStory
1,05M Popularidade
#
USIranTalksPostponed
20,38M Popularidade
#
IsraelStrikesIranBTCPlunges
60,71K Popularidade
#
PredictWorldCup🇺🇸vs🇵🇾
922,9K Popularidade
#
TradFiCFDGoldMaster
2,07M Popularidade

Fixado

sitemap

Engenheiro de IA da Tesla: ajuste de algoritmos não é uma cura universal, a qualidade dos dados determina o limite da IA

Tendências

MyGateTradeStory

USIranTalksPostponed

IsraelStrikesIranBTCPlunges

PredictWorldCup🇺🇸vs🇵🇾

TradFiCFDGoldMaster

Fixado