இந்த வழிகாட்டி குறுக்கு சரிபார்ப்பு மற்றும் AWS சேவையைப் பயன்படுத்தி அதன் செயல்பாட்டை விளக்குகிறது.
குறுக்கு சரிபார்ப்பு என்றால் என்ன?
குறுக்கு சரிபார்ப்பு டெவலப்பர்களை வெவ்வேறு இயந்திர கற்றல் மாதிரிகளை ஒப்பிட்டு, நிஜ வாழ்க்கையில் அவர்கள் செயல்படுவதை உணர அனுமதிக்கிறது. எந்த மெஷின் லேர்னிங் (எம்எல்) அல்லது டீப் லேர்னிங் (டிஎல்) மாதிரியானது ஒரு குறிப்பிட்ட தரவு அல்லது சூழ்நிலையில் சிறப்பாகச் செயல்படும் என்பதைக் கண்டறிய இது பயனருக்கு உதவுகிறது. ஒரு தரவுத்தொகுப்பிற்கு பல மாதிரிகள் பயன்படுத்தப்படும் சூழ்நிலைகள் உள்ளன, இங்கே டெவலப்பர்கள், உகந்த முடிவுகளைப் பெற, பொருத்தமான மாதிரியைப் பெற, குறுக்கு சரிபார்ப்பைப் பயன்படுத்துகின்றனர்:
குறுக்கு சரிபார்ப்பு எவ்வாறு செயல்படுகிறது?
தரவுத்தொகுப்பில் ML மாடல்களைச் சரிபார்க்க, அல்காரிதம் பயிற்சி எனப்படும் மாதிரியின் அம்சங்களை பயனர் மதிப்பிட வேண்டும். சரிபார்க்க வேண்டிய மற்றொரு விஷயம், மாதிரியின் மதிப்பீடு, அது எவ்வளவு சிறப்பாக செயல்பட்டது என்பதைக் கண்டறியவும், இது மாதிரியின் சோதனை என்று அழைக்கப்படுகிறது. எல்லா தரவிலும் மாதிரியை சோதிப்பது நல்ல யோசனையல்ல, இருப்பினும், சிறந்த முடிவுகளைப் பெற 75% தரவை பயிற்சிக்காகவும் 25% சோதனைக்காகவும் பயன்படுத்துகிறோம். எந்தத் தொகுதி சிறப்பாகச் செயல்படுகிறது என்பதைச் சரிபார்க்க, ஒவ்வொரு 25% தரவுகளிலும் குறுக்குச் சரிபார்ப்பு சோதனை செய்கிறது:
அமேசான் சேஜ்மேக்கர் என்றால் என்ன?
அமேசான் சேஜ்மேக்கர் சேவையைப் பயன்படுத்தி AWS இல் குறுக்கு சரிபார்ப்பு செய்யப்படலாம், ஏனெனில் இது இயந்திர கற்றல் மாதிரிகளை உருவாக்க, பயிற்சி மற்றும் வரிசைப்படுத்த வடிவமைக்கப்பட்டுள்ளது. இது தரவு விஞ்ஞானிகள் மற்றும் டெவலப்பர்களுக்கு நோக்கம்-உருவாக்கப்பட்ட திறன்களை ஒன்றிணைப்பதன் மூலம் திறமையான ML அல்லது DL மாதிரிகளை உருவாக்குவதற்குத் தரவைத் தயாரிக்க உதவுகிறது. காலப்போக்கில் மேம்படுத்தும் திறனைக் கொண்டிருக்கும் உகந்த மற்றும் துல்லியமான மாதிரிகளை உருவாக்க இந்த திறன்கள் பயனுள்ளதாக இருக்கும்:
Amazon SageMaker இன் அம்சங்கள்
Amazon SageMaker என்பது நிர்வகிக்கப்படும் சேவையாகும், இதற்கு ML சூழல்களின் மேலாண்மை தேவையில்லை. ML மாடல்களைப் பயிற்றுவிப்பதற்கும் உருவாக்குவதற்கும் நிறைய தரவு தேவைப்படுவதால், தரவைச் சேகரிக்க Amazon S3 அல்லது Amazon Redshift சேவைகளுடன் நன்றாக இணைகிறது. மூலத் தரவிலிருந்து தகவல்களைப் பெறுவது கடினமாக இருக்கும், எனவே மாடல்களை உருவாக்குவதற்கான அம்சங்களும் தேவைப்படுகின்றன. பின்னர் மாதிரிகளைப் பயிற்றுவிப்பதற்குத் தரவைப் பயன்படுத்தவும், மேலும் சிறந்த முடிவுகளை/கணிப்புகளைப் பெற ஒவ்வொரு 25% தரவையும் பயன்படுத்தி சோதனைகளைச் செய்யவும்:
இது AWS இல் குறுக்கு சரிபார்ப்பு பற்றியது.
முடிவுரை
குறுக்கு சரிபார்ப்பு என்பது சிறந்த முடிவுகளைப் பெற தரவுக்கான உகந்த இயந்திர கற்றல் அல்லது ஆழமான கற்றல் மாதிரியைப் பெறுவதற்கான செயல்முறையாகும். எந்த பிளாக் அதிகபட்ச வெளியீட்டை வழங்குகிறது என்பதைப் புரிந்துகொள்வதற்காக, ஒவ்வொரு 25% தரவையும் இது ஒரு பொருத்தமான மாதிரியாக மாற்றும். AWS ஆனது SageMaker சேவையை கிராஸ் சரிபார்ப்பு மற்றும் மேகக்கணியில் இயந்திர கற்றல் மாதிரிகளை உருவாக்க வழங்குகிறது. இந்த வழிகாட்டி குறுக்கு சரிபார்ப்பு செயல்முறை மற்றும் AWS இல் அதன் செயல்பாட்டை விளக்கியுள்ளது.