Trainingsdaten für maschinelles Lernen

Kapitel 3. Schema

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Schema Deep Dive Einführung

Was soll dein KI-System leisten? Wie wird es das erreichen? Welche Methoden wirst du verwenden?

In diesem Kapitel beschäftige ich mich mit einigen grundlegenden Konzepten rund um das Schema, eine Karte zwischen menschlicher Bedeutung und maschinellem Lernen.

Die reale Welt ist chaotisch. Kommerzielle Anwendungen erfordern einen Detailgrad, der sehr domänenspezifisch ist. Es gibt viele Möglichkeiten, all diese Komplexität zu strukturieren. In der Regel werden diese Strukturen im Schema definiert. Außerdem bietet das Schema "Dreh- und Angelpunkte", um die Teilkomponenten im Laufe der Zeit anzupassen und zu verändern, damit sie den aktuellen Anforderungen besser entsprechen.

Es ist wichtig, dass das Schema stimmt, denn der Rest des Systems, einschließlich der Rohdaten, wird in Bezug auf das Schema definiert.

Das Schema ist das Paradigma für die Codierung deines gesamten kommerziellen Wissens. Darunter versteht man im Großen und Ganzen Bezeichnungen und Attribute (was etwas ist), räumliche Darstellungen (wo etwas ist), ihre Beziehungen untereinander und ihre Beziehungen zu externen Konzepten (z. B. Serien, Zeit). Ein effektives Schema steht in engem Zusammenhang mit deinen Geschäftsanforderungen und deinen Rohdaten.

Allgemeiner ausgedrückt ist ein Schema die Gesamtdarstellung von Bezeichnungen, Attributen ...