supervised-learning

Vad är Supervised Learning?

Det här inlägget är del fyra i serien ”Vad är AI?”. Om du inte redan har läst tidigare inlägg rekommenderas det, för att komma till det första inlägget klicka här.

Låt oss även illustrera supervised learning med en liknelse. Tänk dig ett barn som lär sig att läsa, ofta är det en vuxen som pekar på en bokstav och uttalar stavelsen. Barnet lär sig då med hjälp av den vuxna att koppla en bokstav till ett ljud. På samma sätt behöver algoritmen tränas upp, under träningen ger man den data som är kopplad till en ”label” (etikett) som avspeglar en typ av korrekt eller önskat värde för just den datan. Efter att man har tränat upp algoritmen verifierar man modellen mot data som har labels men som den inte har sett innan. Se den bifogade bilden nedan för en grafisk illustration.

En aningen teknisk video som visar hur upplärningen av ett artificiellt neuralt nätverk (ANN) går till kan ses här, där datan in (från vänster) är tre tal med en tillhörande label som också är ett tal (till höger). Sedan beräknas felet mellan label och vad nätverket trodde, som sedan används för att korrigera nätverket. Efter hand blir nätverket bättre och bättre vilket resulterar i mindre och mindre fel. Nätverket kan snabbt bli stort och komplext beroende på storleken av datan man vill träna upp sin algoritm på. En illustration som visar hur olika nätverk kan byggas upp kan ses i denna video. Där man matar in en svartvit bild på en handskriven siffra mellan 0 till 9 och nätverket ska avgöra vilken siffra det är.

Användningsområdet är väldigt brett och tillämpas med fördel på problem som är komplexa och som har mycket data. Ett exempel på en modell är ansiktsigenkänningen på Facebook som automatiskt taggar personer i bilder. Tidigare taggade användare själva var i bilden en person var samt vem personen är. Med hjälp av dessa labels för en viss bild kan man träna upp en modell som automatiskt föreslår vem och var personer är i en bild.

Ett annat lite annorlunda exempel kommer från en gård i Japan som tillverkar gurkor. Här har man ett problem att gurkorna måste klassificeras till nio olika sorter beroende på form och kvalitet. I följande artikel kan ni läsa vidare hur dem byggde en maskin för att automatisera just detta.

Artificial Intelligence, Machine Learning, Supervised Learning

 

Victor Bäckman, Data Scientist, Advectas

Victor Bäckman
victor.backman@advectas.se
Jag som skrivit detta heter Victor och jobbar som Data Scientist på Advectas. Min bakgrund är teknisk fysik på Chalmers och har därefter jobbat på ett start-up i Göteborg. På Advectas har jag haft flera spännande projekt, bland annat inom prediktiv analys (ex. prognoser) och textanalys på svenska. Utöver Advectas har jag även lite av en entreprenöriell sida och drivit ett eget företag i många år.

Alla inlägg av Victor Bäckman

Advectas startar schemalagda utbildningar på de främsta BI-plattformarna

Läs mer om Advectas Academy!