Fine-tuning

Doladenie upravuje parametre predtrénovaného modelu pomocou ďalších príkladov. Vhodným cieľom je opakovateľné správanie, napríklad jednotná štruktúra výstupu.

Rozhodnutia pri návrhu

Pri zmene cenníka je dôležitý dátum platnosti a zdroj údaja. Zakódovanie ceny do váh komplikuje jej pravidelnú opravu.

Príklad z pracovného postupu

Požadujeme výstup s poľami zákazník, dátum a mena. Ak zdroj menu neuvádza, príklad musí obsahovať dohodnutú prázdnu hodnotu. Doladenie na samých dokonalých záznamoch môže podporiť neodôvodnené dopĺňanie meny.

Ako výsledok overiť

Na vyhradených príkladoch porovnáme pôvodný a doladený model, vrátane úloh, ktoré sa počas doladenia nesmú zhoršiť.

Ako vyhodnotiť účinok zmeny v tréningu

Pre experiment si odložíme nemenný referenčný súbor. Záznamy od jednej organizácie alebo varianty rovnakého dokumentu môžu byť takmer totožné. Ich náhodné rozdelenie medzi tréning a test by vytvorilo zavádzajúci dojem, že model spoľahlivo zovšeobecňuje aj na nové prípady.

Pri porovnaní verzií evidujeme pôvod dát, rozhodnutie o čistení, konfiguráciu experimentu a rozdelenie chýb. O nasadení má rozhodnúť využiteľnosť na cieľovom procese spolu s nákladmi na správu a obnovu.

Pôvodný odborný zdroj – Fine-tuning

Doladený model potrebuje stabilný vzťah medzi vstupom a cieľovým výstupom

Ak dve oddelenia odpovedajú na rovnakú požiadavku odlišne, obe skutočné odpovede môžu byť pre učenie vzájomne protichodné. Buď doplníme kontext príslušného procesu, alebo rozdelíme úlohu podľa zodpovednosti. Viac príkladov pôvodný rozpor samo neodstráni.

Pri porovnaní základného a upraveného modelu použijeme aj zdanlivo podobné podnety z oboch oddelení. Sledujeme, či model rešpektuje rozdiel v kontexte a dokáže prípad odovzdať človeku, keď rozhodujúca informácia vo vstupe chýba.

Otázky z praxe

Ktorú chybu je rozumné skúšať opraviť doladením?

Vhodným kandidátom je opakované nedodržanie požadovaného formátu alebo stabilného spôsobu rozhodovania, pre ktorý máme označené príklady. Ak odpoveď závisí od dnešného stavu skladu, najprv treba pripojiť aktuálny zdroj. Rovnaký test potom ukáže, či doladenie prináša merateľné zlepšenie nad týmto základom.

Ako zistiť, že sa model naučil iba typickú šablónu dokumentu?

Pripravíme príklady od iného dodávateľa, s premiestnenými poľami alebo s odlišným poradím položiek. Pravdivé hodnoty určí človek pred spustením modelu. Ak výsledok výrazne poklesne iba pri zmene rozloženia, treba preveriť rozmanitosť dát alebo spôsob získania vstupu z dokumentu.

Prečo po doladení znovu posudzovať aj staré úlohy?

Zmena podporujúca triedenie objednávok môže zároveň zhoršiť správanie pri reklamáciách alebo pri chýbajúcich údajoch. Zachováme starší kontrolný súbor a porovnáme výsledky oboch verzií podľa kategórií. Celkové priemerné zlepšenie nemusí vyvážiť chybu v úlohe, pri ktorej nesprávny výstup priamo mení záväzok.

Potrebujete poradiť?

Opíšte nám, čo potrebujete vyriešiť. Odpovedáme e-mailom.

O čo máte záujem?

Martin Michalka vám pošle návrh e-mailom. Opíšte jednu úlohu, ktorú vo firme robíte opakovane.

Ako vás máme kontaktovať?