Əsas fikir
Alətin qərarını qiymətləndirərkən hansı problemi həll etdiyini, hansı məlumatla öyrədildiyini və səhv nəticənin necə yoxlanacağını soruşun.
Alqoritm qaydaları, model isə nümunələri təsvir edir
Alqoritm girişə tətbiq olunan sonlu və aydın addımlar toplusudur: məsələn, hadisələri vaxta görə çeşidləyib ən yenisini göstərmək. Maşın öyrənməsi alqoritmi nümunələrdən parametrlər öyrənərək model yarada bilər; model isə yeni giriş üçün nəticə hesablayır. Sabit qayda eyni şərtlərdə təkrarlana bilən addımları müəyyən edir, öyrədilmiş model isə seçilmiş məlumatda tapdığı nümunələrə əsaslanır. Hər ikisi proqramın içində işləyə bilər, amma “alqoritm”, “model” və “AI” sinonim deyil.
Qayda
İnsan tərəfindən yazılmış şərt və əməliyyatları tətbiq edir.
Model
Məlumatdan öyrənilən parametrlərlə yeni nümunəni qiymətləndirir.
Arxitektura
Modelin necə qurulduğunu müəyyən edən quruluşdur; CNN buna nümunədir.
Təlim və istifadə mərhələlərini ayırın
Əvvəlcə model təlim nümunələri və seçilmiş məqsəd əsasında parametrlərini uyğunlaşdırır. Təlim məlumatını yadda saxlamaq kifayət deyil: model əvvəldən görmədiyi məlumatda da faydalı nəticə verməlidir. Təlim və modelin tətbiqi fərqli mərhələlərdir; tətbiq zamanı hazır model yeni giriş üçün nəticə hesablayır. Məsələn, tarixçə əsasında öyrədilmiş təsnifat modeli yeni faylı risk kateqoriyasına ayıra bilər. Nəticə ehtimal və ya bal ola bilər; onun mənasını modelin tapşırığı, həddi və yoxlama üsulu müəyyən edir.
Təlim
Model tarixçə nümunələri üzrə parametrləri uyğunlaşdırır; test məlumatını ayrıca saxlayın.
Modelin tətbiqi
Model yeni girişə nəticə hesablayır; yeni nəticəni müşahidə və qərar qaydası ilə yoxlayın.
CNN nümunəsi: yerli xüsusiyyətlərdən təsnifata
Convolutional neural network (CNN) girişdə yaxınlıqdakı dəyərlər arasında təkrarlanan quruluşları öyrənmək üçün filtrlərdən istifadə edən neyron şəbəkə növüdür. Konvolyusiya qatları xüsusiyyət xəritələri yaradır, birləşdirmə qatı (pooling) ölçünü azalda bilər, sonrakı qatlar isə həmin xüsusiyyətləri birləşdirərək təsnifat nəticəsi çıxarır. Şəkildə bu, kənar və formalar ola bilər; təhlükəsizlik araşdırmasında fayl baytları da təsvirə çevrilə bilər. Məsələn, faylları sabit qayda ilə boz tonlu təsvirlərə çevirin, etiketli nümunələrdə CNN-i öyrədin və ayrıca fayllar dəstində ailə və variantlar üzrə səhvləri yoxlayın. Nəticə həmin təsvir üsulu və sınaq dəsti üçün keçərlidir.
Model nəticəsini məqsədinə görə yoxlayın
Modelin hansı qərarı dəstəklədiyini, hansı nümunələrdə yoxlandığını və hansı hallarda nəticənin etibarsız ola biləcəyini öyrənin. Təsnifatda həm yanlış müsbət, həm də yanlış mənfi nəticələri ölçün: zərərsiz faylın bloklanması və zərərli faylın buraxılması fərqli xərclər yaradır. Yeni məlumat növü, davranış dəyişikliyi və model yenilənməsindən sonra nəticəni yenidən qiymətləndirin. Təchizatçıdan təlim məlumatının əhatəsini, test nümunələrinin təlimdən necə ayrıldığını, konkret mühitdə ölçülmüş yanlış müsbət və yanlış mənfi dərəcələrini, müqayisə bazasını və məlum məhdudiyyətləri göstərən qiymətləndirmə hesabatını istəyin.