Zuverlässiges maschinelles Lernen

Kapitel 7. Ausbildungssysteme

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

ML-Training ist der Prozess, bei dem wir Eingangsdaten in Modelle umwandeln. Wir nehmen eine Reihe von Eingabedaten, die fast immer vorverarbeitet und auf effiziente Weise gespeichert sind, und verarbeiten sie durch eine Reihe von ML-Algorithmen. Das Ergebnis ist eine Darstellung dieser Daten, ein sogenanntes Modell, das wir in andere Anwendungen integrieren können. Weitere Informationen darüber, was ein Modell ist, findest du in Kapitel 3.

Ein Trainingsalgorithmus beschreibt die spezifischen Schritte, mit denen eine Software Daten liest und ein Modell aktualisiert, um zu versuchen, diese Daten darzustellen. Ein Trainingssystem hingegen beschreibt die gesamte Software, die den Algorithmus umgibt. Die einfachste Implementierung eines ML-Trainingssystems ist ein einzelner Computer, auf dem ein einzelner Prozess läuft, der Daten einliest, sie bereinigt und konsistent macht, einen ML-Algorithmus darauf anwendet und eine Darstellung der Daten in einem Modell mit neuen Werten als Ergebnis dessen, was er aus den Daten gelernt hat, erstellt. Das Training auf einem einzelnen Computer ist bei weitem die einfachste Art, ein Modell zu erstellen, und die großen Cloud-Provider vermieten leistungsstarke Konfigurationen einzelner Maschinen. Beachte jedoch, dass viele interessante Anwendungen von ML in der Produktion eine große Datenmenge ...