הַגדָרָה
תיוג נתונים הוא תהליך של הקצאת קטגוריות, תגיות או תכונות לנתונים גולמיים כדי שמודלים של למידת מכונה יוכלו ללמוד מהם. זהו תהליך מרכזי בלמידה מפוקחת.
מטרה
המטרה היא להפוך מערכי נתונים גולמיים לשימושיים לאימון והערכה. תוויות מספקות את ה"תשובות" הדרושים למודלים במהלך הלמידה.
חשיבות
- קריטי לבניית מודלים מדויקים של למידת מכונה מפוקחת.
- תיוג לקוי מפחית את אמינות המערכת.
- לעתים קרובות עתירי עבודה ויקרים.
- דורש מומחיות תחוםית בתחומים כמו רפואה או משפטים.
איך זה עובד
- הגדר משימות ותייג סכימה.
- פילוח נתונים גולמיים ליחידות (תמונות, משפטים, קטעי אודיו).
- הקצה תוויות באופן ידני או באמצעות כלים חצי אוטומטיים.
- ביצוע בדיקות איכות ומבחני הסכמה בין-מפרטים.
- ייצוא מערכי נתונים מתויגים לצורך אימון.
דוגמאות (העולם האמיתי)
- שייפ: נתוני תיוג עבור כלי רכב אוטונומיים.
- מערכי נתונים של Kaggle: מתויגים לתחרויות ML.
- מערכי נתונים של תמונות רדיולוגיה: מתויגים על ידי מומחים רפואיים.
מקורות / קריאה נוספת
- ביאור נתונים עבור בינה מלאכותית - NIST.
- ביאורים ותיוג של מערכי נתונים - IEEE Transactions on Data Engineering.
- ISO/IEC 24617: מסגרת ביאור סמנטית — ISO.
- מהי תיוג נתונים? כל מה שמתחיל צריך לדעת – שייפ
