Datos de entrenamiento para el aprendizaje automático

Capítulo 6. Teorías, conceptos y mantenimiento

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Introducción

Hasta ahora, he tratado los fundamentos prácticos de los datos de entrenamiento: cómo ponerte en marcha y cómo empezar a escalar tu trabajo. Ahora que ya dominas lo básico, hablemos de algunos conceptos más avanzados, teorías especulativas y acciones de mantenimiento.

En este capítulo cubro:

• Teorías

• Conceptos

• Creación de muestras

• Acciones de mantenimiento

Entrenar a una máquina para que comprenda e interprete inteligentemente el mundo puede parecer una tarea monumental. Pero hay buenas noticias: los algoritmos entre bastidores hacen gran parte del trabajo pesado. Nuestra principal preocupación con los datos de entrenamiento puede resumirse como "alineación", o definición de lo que es bueno, lo que debe ignorarse y lo que es malo. Por supuesto, los datos de entrenamiento reales requieren mucho más que un movimiento de cabeza. Debemos encontrar la forma de transformar nuestras terminologías humanas, más bien ambiguas, en algo que la máquina pueda entender.

Una nota para el lector técnico: Este capítulo también pretende ayudar a comprender conceptualmente las relaciones de los datos de entrenamiento con la ciencia de datos. Las especificidades técnicas de la ciencia de datos de algunos de los conceptos que aquí se plantean están fuera del alcance de este libro, y la mención de los temas es sólo en relación ...