「マシンラーニングプロジェクトで私が犯した同じ過ちを com 因さないでください！」

「私の経験から学んで、マシンラーニングプロジェクトで同じ過ちを犯さないでください！」

機械学習プロジェクトで重要な要素を認識しました

ほとんどの場合、私たちはそれを全く考慮しないことがあります。

私はインターン経験から苦い経験をしました。

私の旅は、大学で機械学習の基礎を学び始めたときに始まりました。私は物事がどのように動作するかについて深い理解を得るために多くのプロジェクトを行っていました。

これにより、他の人と比べて一歩先を進めることができました。これらの概念を現実世界の応用に適用するための知識を高めることができました。

• 『クラウド上で大規模な言語モデルを使用する際の性能とコストの最適化戦略』
• 「LLMアプリを作成するための5つのツール」
• このAI論文は、コントロール可能なマルチビュー画像生成および3Dコンテンツ作成を革新するニューラルネットワークアーキテクチャー、MVControlを紹介しています

しかし、気付かずに私は毎回のプロジェクトでそれを繰り返し行ってしまいました。私は以下の点に重点を置いていました：

1. どの機械学習モデルを使用するか？
2. 最適化戦略を使用してパフォーマンスを向上させる。
3. EDA分析に時間を投資する。
4. データクリーニングのさまざまな技術。

このリストはこの記事の最後まで続きます。これらは高性能なモデルを構築するために不可欠な要素であることに同意します。

しかし、広い視野で見ると、上記の手順は一般的にすべての機械学習プロジェクトで同じです。では、あなたはどのような変更がすべてのプロジェクトで重要視されると考えますか？

データがすべてを変えます！！！

データが変化すると、データのクリーニング戦略も変化し、洞察を見つけるために使用される可視化グラフも異なります。どのモデルを選ぶかも変わりますなど。

データの視点

私たちは、モデル開発に時間をかけることでパフォーマンスが低いから高いに変わると仮定しています。しかし、それは真実ではありません。データの品質は非常に重要ですし、モデルの精度においてゲームチェンジングな要素です。

広範な理解を得るために、以下のシナリオを見てみましょう

シナリオA

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!