Contenu
- Définition - Que signifie apprentissage semi-supervisé?
- Introduction à Microsoft Azure et au nuage Microsoft | Tout au long de ce guide, vous apprendrez ce qu'est le cloud computing et comment Microsoft Azure peut vous aider à migrer et à exploiter votre entreprise à partir du cloud.
- Techopedia explique l'apprentissage semi-supervisé
Définition - Que signifie apprentissage semi-supervisé?
L'apprentissage semi-supervisé est une méthode utilisée pour permettre aux machines de classer les objets matériels et immatériels. Les objets que les machines doivent classer ou identifier peuvent être aussi variés que de déduire les habitudes d'apprentissage des élèves à partir de vidéos en classe ou de tirer des conclusions à partir de tentatives de vol de données sur des serveurs. Pour apprendre et déduire des objets, les machines reçoivent des informations étiquetées et superficielles sur divers types de données sur la base desquelles elles doivent apprendre à partir de données volumineuses, structurées et non structurées, qu'ils reçoivent régulièrement.
Introduction à Microsoft Azure et au nuage Microsoft | Tout au long de ce guide, vous apprendrez ce qu'est le cloud computing et comment Microsoft Azure peut vous aider à migrer et à exploiter votre entreprise à partir du cloud.
Techopedia explique l'apprentissage semi-supervisé
Le peu de données étiquetées fournies aux systèmes sert de point de départ aux systèmes informatiques. Après cela, les systèmes doivent accepter et apprendre de gros volumes de données non étiquetées. Cependant, les données étiquetées fournies peuvent être utiles pour classer le type général de données non étiquetées que le système peut recevoir. Par exemple, comme indiqué sur l'étiquette, les températures supérieures à 22 ° C doivent être traitées comme un cas de forte fièvre, mais en réalité, une telle température peut également être due à d'autres complications. Il appartient aux systèmes d’utiliser les données étiquetées de base et d’approfondir leurs connaissances sur les grands volumes de données non étiquetées qu’il reçoit. Théoriquement, l'apprentissage semi-supervisé peut être considéré comme une meilleure méthode de formation pour les systèmes que l'apprentissage supervisé ou non supervisé.