Úton a gyakorlati felé

Olvasási idő: ~ 2 perc

A korábbi kurzusok alkalmával megtanultuk, hogy a gép gyakorlatilag egy függvény, mely bemenő adatokból, valamiféle számítások alapján egy eredményt ad ki. A rendelkezésre álló adathalmaz adott, a számítások pedig különböző paraméterekkel rendelkeznek, mely változtatható, ezt a gép megtanulja. A gépi tanulás célja az optimális paraméterhalmaz megtalálása, és a hibás eredmény minimalizálása.

Milyen módszert alkalmazzunk?

A megfelelő számítási módszer és modell eltérő lehet, néhányat ezek közül részletesebben is érintettünk a kurzus során, így például a lineáris regressziót, a random forest-et, a CNN-t (Convolutional Neural Network), és az NLP-t (Natural Language Processing).

Az adathalmaz felosztása

A gép tanítását a rendelkezésre álló adathalmazunk segítségével tudjuk elvégezni. Ma megtanultuk, hogy tanítás során nem célszerű felhasználni adathalmazunk 100%-át, különben nem tudjuk min validálni és tesztelni a gépi tanulás eredményességét.

Mi a probléma?

A mai kurzus során a hallgatók egy-egy saját, gyakorlati esettanulmányt hoztak el és mutattak be 5 percben, melynek célja, hogy a következő órák során csapatokat alkotva ezekre a valós problémákra találjunk jó megoldást közös gondolkodással, ötleteléssel az eddig tanultak felhasználásával és real-time konzultációt igénybe véve.

Tóth Erika Viktória

A cikk szerzőjéről:

Okleveles közgazdász, IT projekt – és folyamatmenedzser, PhD hallgató

2016-ban végzett okleveles közgazdászként vezetés-és szervezés mesterszakon. 2018 óta PhD hallgató, kutatási témája a mesterséges intelligencia és a gépi tanulás hatásának vizsgálata a tudásmenedzsmentre. Az akadémiai szféra mellett már a kezdetektől célja volt részt venni a versenyszférában is, ezáltal gyakorlati tapasztalattal és tacit tudással támogatni az elsajátított elméleti tudását, ezért már korai egyetemi tanulmányai mellett (2012 óta) elkezdett IT üzleti folyamatmenedzsmenttel és IT projektek vezetésével foglalkozni, jelenleg is egy világhírű szoftvergyártónál dolgozik ezen a területen. Elkötelezett a korszerű technológiák megismerésében, a tudásmenedzsment és mesterséges intelligencia üzleti aspektusainak kutatásában, a folyamatoptimalizálásban, valamint a folyamatos fejlődésre és tanulásra való törekvésben.

Kedved támadt az adatok gyűjtéséhez, rendszerezéséhez és értelmezéséhez szükséges adatelemzési tudásodat mélyíteni? Tarts velünk következő kurzusunkon!  Jelentkezz most 10%-os kedvezménnyel!