Ingyenes tananyag

Adatközpontú AI

Amikor egy AI rendszer gyengén teljesít, a reflex a modellcsere, pedig a hozam többnyire az adatban van. Nyolc lecke az MIT adatközpontú kurzusának gerincén arról, hogyan találjuk meg és javítsuk az adat hibáit rendszerezetten.

KD AI Academy · Kalmár Dániel

Kinek szól

Adatelemzőknek, fejlesztőknek és azoknak a folyamatgazdáknak, akiknek AI rendszere van vagy lesz, és szeretnék érteni, miért az adat dönti el a minőségét. A példák üzleti helyzetek, a technikai részekhez alapszintű gépi tanulási fogalomkészlet elég.

A tananyag gerince az MIT ingyenes Introduction to Data-Centric AI kurzusa, kiegészítve a vállalati dokumentumvagyonnal kapcsolatos saját tapasztalataimmal, mert a magyar cégeknél ez az adatközpontú munka leggyakoribb terepe.

01Modellközpontú vagy adatközpontú 02Címkehibák és a magabiztos tanulás 03Ritka esetek, kiugró értékek, eltolódás 04Adathalmaz építése és kurálása 05Adatközpontú kiértékelés 06Adatbővítés és az emberi tudás beépítése 07Adatkurálás nyelvi modellekhez 08Adatvédelem és biztonság az adatmunkában

Ha végigért

Záróteszt és tanúsítvány

10 feleletválasztós kérdés, 15 perc. Ha sikeresen teljesíted, a tanúsítvány automatikusan, egyedi sorszámmal kiállításra kerül.

Záróteszt kitöltése

Kapcsolódó tananyagok

A gépi tanulási alapokhoz a Gépi tanulás alapok, a méréshez a Context engineering és evalok. A dokumentumtárakra épülő rendszerekhez a RAG architektúra a gyakorlatban, az éles üzemhez az AI rendszerek termelésben.